Lucence(垂直化搜索引擎框架)

Lucence是apache旗下的一款高性能、可伸缩的开源的信息检索库，最初始Doug Cutting开发，并在SourceForge的网站下提供下载，它支持的预研C++，C#，perl、Python。

倒排索引也称为反向索引，是搜索引擎中最常见的数据结构，几乎所有的搜索引擎都会用到倒排索引。它将文档中的词作为关键字，建立词与文档的映射关系，通过对倒排索引的检索，可以根据词快速获取包含这个词的文档列表，这对于搜索引擎来说至关重要。

分词又成为切词，就是讲句子或者段落进行切割，从中提取出包含固定予以的词。

停止词，在英语中包含了 a、the、and这样频率很高的词，如果这些词都被建到索引中进行索引的话，搜索引擎就没有任何意义了，因为几乎所有的文档都包含这些词。

排序，当输入一个关键字进行搜索时，可能会命中许多文档，搜索引擎给用户的价值就是快速找到需要的文档，因此需要将相关度更大的内容排到前面，以便使用户能够更快的筛选有价值的内容弄。

文档：在lucence的定义中，文档是一些列（field)的组合，而文档的域则代表一系列与文档有关的内容，与数据库的记录的概念有点相似，一行记录所包含的字段对应的就是文档的域。比如，一个老师的个人信息包括，年龄、身高、性别、个人简介等。

域：field，索引的每个文档中都包含一个或多个不同的域，每个域都包含了域的名称和域对应的值，并且与还可以是不同的类型，如字符串、整型、浮点型等。

词（Term），Term是搜索的基本单元，与Field对应的名字以及搜索的关键词，可以永泰来查询制定域中包含特定内容的文档。

查询（Query），最基本的查询可能是一些列Term的条件组合，成为TermQuery，但也有可能是短语查询、前缀查询、范围查询

分词器，文档在被索引之前，需要经过分词器处理，以提取关键的语义单元，建立索引，并提出无用的信心，如停止词，提高查询的准确性。

Lucence 索引的构建分这样几步，通过制定的数据格式，检Lucence的Document 传递给分词器Analyzer进行分词，经过分词器之后，通用索引吸入工具IndexWriter将索引写入到制定的目录。

对于索引的查询，首先构建查询的Query，通过IndexSearcher进行查询，得到命中的TopDocs。然后通过TopDocs的scoreDocs（）方法，拿到ScoreDoc，通过ScoreDoc，得到对应的文档编号，IndexSearcher通过文档编号，使用IndexReader对制定目录下的索引内容进行读取，得到命中的文档后返回。