Lucene源码分析 - Lucene50PostingsFormat 倒排索引简介

本文的代码以lucene-core 6.3.0为准，倒排索引的基本信息和Lucene50PostingsFormat 等整个类所有代码的解析。转载请注明出处。

0 基本概念

• 在lucene中，有相当多的时候需要存正整数的数组，当这个数组比较大的时候，需要分块存储，有两种方式，第一种是整数数量固定数量(128)的block，就是Packed Blocks，每个整数占用相同的字节数，然后把每个block用PackedInts来压缩，为了达到压缩的效果，每个元素都存它本身和前一个元素的差值delta；第二种是整数数量不固定(小于128)的block，就是VInt Blocks，每个整数用VInt的方式存。
• lucene中经常需要同时用到两种block的存储方式，比如存docID列表，假设列表长度是259，那么这可以存2个Packed Blocks，剩余3个整数用VInt Blocks存。
• 跳表的跳跃间隔是BLOCK_SIZE(128)，跳跃点会存每个docId的block的第一个docId，当然，第一个block就不需要设置跳跃点。
• 详细的倒排索引源码分析可以看Lucene源码分析 - Lucene50PostingsWriter 存储倒排索引

1 词项词典(Term Dictionary)

• 倒排索引的基本结构是term->文档ID列表，但是lucene中不是存文档ID列表，而是存term在的.do