Lucene 源码分析

Lucene源码项目结构

Lucene项目每个目录包含的类以及用途：

---

Analysis

主要用于对query，document的解析，拆解为token

codecs

编码类的包，里面囊括了对各类数据的编码、解码的定义与实现，核心类。
其中有大量的抽象类，也就是只有声明，没有实现。
可根据需求自行设计，基于抽象类来实现一些满足自己需求的类。

简单梳理：

数据维度

lucene将要处理的数据分为以下类

• PostingList 倒排表，
  即 term->[doc1， doc3, doc5] 这样的倒排索引数据
• BlockTree
  从 term 到 PostingList 的映射关系，就是TermDict。一般这种映射关系用FST这种数据结构表示，其实是一种树形结构，类似于Tier树，Lucene里称为BlockTree。
• StoredField
  存储的是原始信息
• DocVelue
  键值数据，主要用来加速对字段的排序、筛选
• TermVector
  词向量信息，记录不同term的全局出现频率
• Norms
  存储Normalisation信息，比如给某些field加权之类
• PointValue
  用来加速range Query的信息

行为维度

    Writer
    Reader
    Format 本质是用于唤起Writer和Reader的一种媒介