lucene 索引文件的结构

2019独角兽企业重金招聘Python工程师标准>>>

Lucene 的索引结构是有层次结构的，主要分以下几个层次：

1、索引（index）

• Lucene 索引指的是文件夹下的所有文件

2、段（Segment）

• 一个索引包含了多个段，每个段都是独立的，添加索引时会产生新的段，不同段可以合并

3、文档（Document）

• 文档存储在段中，新添加的文档是单独保存在一个新生成的段中，随着段的合并，不同的文档合并到
  同一个段中。

4、域（Field）

• 域指的是文档中的字段，不同域的索引方式可以不同，即不同字段类型

6、词（Trem）

• 词是索引的最小单位，是经过词法分析和语言处理后的字符串。

Lucene 的索引结构中，即保存了正向信息，也保存了反向信息。

按层次保存了从索引，一直到词的包含关系：

• 索引(Index) –> 段(segment) –> 文档(Document) –> 域(Field) –> 词(Term)

包含正向信息的文件有

segments_N 保存了此索引包含多少个段，每个段包含多少篇文档。
XXX.fnm 保存了此段包含了多少个域，每个域的名称及索引方式。
XXX.fdx，XXX.fdt 保存了此段包含的所有文档，每篇文档包含了多少域，每个域保存了那些信息。
XXX.tvx，XXX.tvd，XXX.tvf 保存了此段包含多少文档，每篇文档包含了多少域，每个域包含了多少词，每个词的字符串，位置等信息。

包含反向信息的文件有

保存了词典到倒排表的映射：词(Term) –> 文档(Document)
包含反向信息的文件有：

XXX.tis，XXX.tii 保存了词典(Term Dictionary)，也即此段包含的所有的词按字典顺序的排序。

XXX.frq 保存了倒排表，也即包含每个词的文档ID 列表。

XXX.prx 保存了倒排表中每个词在包含此词的文档中的位置。

 

 

转载于:https://my.oschina.net/kdy1994/blog/3006591