lucene学习总结

什么是lucene?全文检索引擎工具包
1 数据的分类,分为结构化数据和非结构化数据.结构化数据有固定类型或固定长度的数据,搜索方式为sql语句、windows搜索栏等。非结构化数据则反之，例如文档中的文字，搜索方式为ctrl+f 顺序扫描法（效率低）
2 全文检索算法（倒排索引法）模仿字典。将文件中的内容提取出来，将文字拆成一个个的词（这个步骤叫分词），将这些词组成索引（字典中的目录），搜索时先搜索索引，根据索引查找到文档，这个过程就叫做全文检索。
3 分词：去掉停用词（的，啊，嗯等）因为搜索这些词没有意义，然后去掉标点符号和空格，然后将句子拆分成词，去掉重复的词，这个过程就叫做分词。使用分词建立索引，索引可以指向多个文档。
4 lucene的应用领域，互联网搜索引擎、站内搜索引擎、优化数据库查询等（like关键字查询时，使用的时顺序扫描（全表扫描）效率低）。
5 lucene的存储结构分为索引和文档。索引和文档的结构如下图所示。文档也能存储到lucene中，如果需要马上显示的文档，一般会存入lucene中.

6 索引库就是你使用代码将索引存入的文件夹，词元：lucene中的最小单位（度量单位）。
7 域的详细介绍，是否分词、是否索引、是否存储。不需要索引的域不需要分词，分词后毫无意义的域不要分词。分词是为了索引。索引为了搜索，需要搜索的域就要创建索引。存储占用额外的空间（如需要马上查出就需要存储）
8 域在改造时需要考虑7中的三个问题
9 中文分词器推荐IK分词器。
10 索引维护，更新删除查询。更新时先查找，找到删除插入，找不到就直接插入。查询分为数字查询，布尔查询（组合查询），模糊查询（根据词、域名进行模糊查询查询）