Lucene总结

Lucene常识：

Lucene 其实很简单的,它最主要就是做两件事:建立索引和进行搜索

    IndexWriter:lucene中最重要的的类之一，它主要是用来将文档加入索引，同时控制索引过程中的一些参数使用。IndexWriter是用来读写索引的类，单幷不是唯一用来修改索引的类。

    Analyzer:分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。搜索不是大小写敏感的。

    Directory:索引存放的位置;lucene提供了两种索引存放的位置，一种是磁盘，一种是内存。一般情况将索引放在磁盘上；相应地lucene提供了FSDirectory和RAMDirectory两个类。RAMDirectory适合于你需要快速访问索引的情况， 不管是索引或搜索

    Document:文档;Document相当于一个要进行索引的单元，任何可以想要被索引的文件都必须转化为Document对象才能进行索引。Lucene只是用来处理文本，其核心是处理java.lang.String和java.io.Reader。创建索引的过程：找出每一个文本文件，创建Document对象实例，用Field组装它，幷把这个Document对象添加到索引中。

    Field：字段。

    IndexSearcher:是lucene中最基本的检索工具，所有的检索都会用到IndexSearcher工具;可以将这个类理解为以只读方式打来索引的类

    Query:查询，lucene中支持模糊查询，语义查询，短语查询，组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。

    QueryParser: 是一个解析用户输入的工具，可以通过扫描用户输入的字符串，生成Query对象。

Hits:在搜索完成之后，需要把搜索结果返回并显示给用户，只有这样才算是完成搜索的目的。在lucene中，搜索的结果的集合是用Hits类的实例来表示的。

Term：

TermQuery：

 

几个知识点：

 

1、索引格式

有两种：

一种是除了配置文件外，每一个Document成为一个独立的文件

另一种是全部的Document成为一个文件，这种属于复合模式

2、索引文件可放的位置：

 

索引可以存放在两个地方1.硬盘，2.内存

放在硬盘上可以用FSDirectory()，放在内存的用RAMDirectory()不过一关机就没了

 

FSDirectory.getDirectory(File file,  boolean  create)

FSDirectory.getDirectory(String path,  boolean  create)

 

两个工厂方法返回目录

New RAMDirectory()就直接可以

再和

 

IndexWriter(Directory d, Analyzer a,  boolean  create)

 

一配合就行了

如：

 

IndexWrtier indexWriter  =   new  IndexWriter(FSDirectory.getDirectory(“c://index”, true ), new  StandardAnlyazer(), true );

IndexWrtier indexWriter  =   new  IndexWriter( new  RAMDirectory(), new  StandardAnlyazer(), true );

 

3、索引的合并

这个可用

 

IndexWriter.addIndexes(Directory[] dirs)

 

注意：合并的时候一定要将被合并的那一方的IndexWriter的close()方法调用。

 

4、对索引的其它操作:
IndexReader类是用来操作索引的，它有对Document,Field的删除等操作。

 

 

 

 

前辈的建议：

1、lucene的索引不能太大，要不然效率会很低。大于1G的时候就必须考虑分布索引的问题

2、不建议用多线程来建索引，产生的互锁问题很麻烦。经常发现索引被lock，无法重新建立的情况

3、中文分词是个大问题，目前免费的分词效果都很差。如果有能力还是自己实现一个分词模块，用最短路径的切分方法，网上有教材和demo源码，可以参考。

4、建增量索引的时候很耗cpu，在访问量大的时候会导致cpu的idle为0

5、默认的评分机制不太合理，需要根据自己的业务定制

 

 

 

理解Lucene核心索引类：

IndexWriter、Directory、Analyzer、Document、Field

 

理解Lucene核心搜索类：

IndexSearcher、Term、TermQuery、Hits