Lucene 6.0 索引结构

1.复合文件索引

该模式是默认的。

1.1 目录结构

图 1-1 复合文件索引

1.2 _x.cfe

1.3 _x.cfs

1.4 _x.si

2.多文件索引

IndexWriterConfig org.apache.lucene.index.IndexWriterConfig.setUseCompoundFile(boolean useCompoundFile)
调用此函数可以设为多文件索引模式。

2.1 目录结构

图2-1 多文件索引

2.2 _x.fdt

通常在搜索打分完毕后，IndexSearcher会返回一个docID序列，但是仅仅有docID我们是无法看到存储在索引中的document,这时候就需要通过docID来得到完整Document信息，这个过程就需要对fdx/fdt文件进行读操作。
fdx/fdt文件就是Lucene的正向文件。有一个比喻：如果fdt是一本书的正文，那么fdx则是书的目录。显然fdt文件大于fdx。
通过docID读取到document需要完成Segment、Block、Chunk、document四级查询。Segment、Block、Chunk的查找都是二分查找，速度很快，但是Chunk中定位document则是顺序查找，所以Chunk的大小直接影响着读取的性能。

fdt文件的基本单位是Chunk。

当你在程序中存储某个域时（使用Field.Store.YES选项），该域会被写入两个文件：.fdx与.fdt。

2.3 _x.fdx

fdx的基本单位是Block。一个Block由三个部分组成，见图2-2，.fdx文件结构。最顶层的ChunkIndex跟倒数第三层的BlockCunks不是一个东西。

· BlockChunks表示当前Block中Chunk的个数；

· <DocBases>表示当前Block中每个Chunk的doc个数，可以看作一个数组；

· <StartPointers>表示当前Block中每个Chunk在fdt文件中的起始位置，其结构与<DocBases>相同。

图2-2 .fdx文件结构

2.4 _x.fnm

.fnm文件存储了段中相关文档的所有field信息。包括“该域是否被索引？该域是否允许使用项向量？”等。
此文件中的field不一定按字母顺序排列，每个field都有一个fieldNo编号，它会在其他索引文件中被用到，用来节省空间。

2.5 _x.nvd

2.6 _x.nvm

2.7 _x.si

3.共同的文件

3.1segments_x

x为IndexWriter的写入次数，从1开始计数。