TermRangeQuery源码解析

简单介绍下 在较早版本的 Lucene 中对一定范围内的查询RanageQuery 。该Query 继承于 MulitTermQuery，在重写（rewrite ）Query 树的时候将会遵从一个原则：

根据起始区间值获取term, 然后遍历，根据满足条件的term 的数目来决定重写Query 的类型

如下代码所示：

 

  （图一）具体见M ultiTermQuery.ConstantScoreAutoRewrite.rewrite() 方法

两种方式区别：

方式一：如果区间范围较大，获取terms 较多则采取Filter 过滤的方式遍历以start 开始的term ，获取[start,end] 的范围内的 TermEnum 从而取出docIDSet 。

 

方式二：如果区间范围不大，获取terms 不多，将区间Query 分解成多个termQuery 独立查询，然后根据BooleanQuery 来合并docId

缺点： 

方式一：只支持字符串形式的范围查询，区间满足的term 数据越多，查询性能越差。

方式二：会构造太多termQuery 很可能造成 TooManyClause 异常，而且获取结果再合并将极大影响性能。

    因为方式二其实现和普通BooleanQuery   --> termQuery 查询方式一致，而本文主要阐述Range 查询，所以将不会方式二实现原理。

    OK，那我们看看TermRangeQuery如何实现查询的，我们知道重写Query树后 ，接下来就是生成weight 树，从图一中可以看到方式一中重写的RangeQuey 被包装成 ConstantScoreQuery(newMultiTermQueryWrapperFilter(query)); 那么从下面的代码实现结构可以看到生成的 weight：

  ConstantScoreQuery . createWeight()

|

|-- new ConstantScoreQuery.ConstantWeight(searcher);

生成 Weight 树后， weight 树将负责 Scorer 树的生成，如下代码实现结构所示 :

ConstantWeight. Scorer()

           |

           |-- new ConstantScorer ( similarity , reader, this );

                  |

                 |-- DocIdSet docIdSet  =  MultiTermQueryWrapperFilter .getDocIdSet(reader) ;

                        |--    DocIdSetIterator iter = docIdSet.iterator();

                        |--      docIdSetIterator = iter;

 

Query 树 ->weight 树 ->Scorer 树生成后，将开始打分并收集 docId 的过程。如下所示：

Scorer scorer = weight.scorer();

          |

          |-- scorer.score(collector);//scorer= ConstantScorer

整个 score 过程是遍历直到取出的值 == NO_MORE_DOCS 。见如下代码所示：

 

而 nextDoc 由 ConstantScorer 实现：

 

结合ConstantScorer的构造函数可以看到整个docId的范围过滤都在：

完成，接下来在看看该方法的具体实现：

 

MultiTermQueryWrapperFilter .getDocIdSet(reader） ；

               |                   // 得到 TermRangeQuery 的 Term 枚举器

               |-- final TermEnum enumerator = query .getEnum(reader);

                                                            |         

                                                           |-- new TermRangeTermEnum(reader, field , lowerTerm , upperTerm , includeLower , includeUpper , collator );

TermRangeTermEnum的构造函数 其包含的成员变量如下：

_ String lowerTerm; 左边界字符串

_ String upperTerm; 右边界字符串

_ boolean includeLower; 是否包括左边界

_ boolean includeUpper; 是否包含右边界

_ String field; 域

_ Collator collator; 其允许用户实现其函数 int compare(String source, String target) 来决定怎么样算是大于，怎么样算是小于。

TermRangeTermEnum 来保证满足区间条件的 term 能被 MultiTermQueryWrapperFilter. TermGenerator.generate() 方法收集到OpenBitSet中，如下所示：

 

 而generate()具体实现为：

 

  从上述代码可以看出TermRangeTermEnum最关键的2个方法就是term()和next()方法，

（1） TermRangeTermEnum.term()方法是获取遍历过程中当前的term。

（2） TermRangeTermEnum.next()方法是遍历Term的枚举列表

在 TermRangeTermEnum 并没有重写 next() 方法，所以从父类 FilteredTermEnum 中的 next 可以看到：

 

 

从上述代码可以得知遍历结束取决：

（1）  endEnum()==true;// 结束枚举遍历

（2）  actualEnum.next()==false;// 整个term 的枚举遍历完毕

（3）  termCompare(term)==false;// 当前的term 字符串不在[start,end] 区间范围内

而从termRanageTermEnum 中endEnum 其实也是由termCompare(term) 方法来影响，所以人为能影响的区间查询都由termCompare 方法来决定，代码如下所示：

 

如上代码所述, 区间查询的时间是和区间范围内term 的个数有关系的，也就是说如果区间范围越大，意味着查询的next() term 的次数也会更多。

另外该范围查询只支持字符串范围查询，并不支持数值型的范围查询。所以 从 Lucene 2.9 开始，Lucene 提供对数字范围的支持，但是然而欲使用此查询，必须使用 NumericField 来添加域。 这也是NumericField和numericRangeQuery结合起来的数值型范围查询。