Java基础、中级、高级、架构面试资料
    你的位置：业余草 > JAVA > 解剖 Lucene 的总体架构

    解剖 Lucene 的总体架构

    JAVA herman 3087浏览 0评论
    公告：“业余草”微信公众号提供免费CSDN下载服务(只下Java资源)，关注业余草微信公众号，添加作者微信：xttblog2，发送下载链接帮助你免费下载！
    本博客日IP超过2000，PV 3000 左右，急需赞助商。
    极客时间所有课程通过我的二维码购买后返现24元微信红包，请加博主新的微信号：xttblog2，之前的微信号好友位已满，备注：返现
    受密码保护的文章请关注“业余草”公众号，回复关键字“0”获得密码
    所有面试题(java、前端、数据库、springboot等)一网打尽，请关注文末小程序
    视频教程免费领
    腾讯云】1核2G5M轻量应用服务器50元首年，高性价比，助您轻松上云

    Lucene 使用起来很简单，但是要搞懂它内部的一些算法就很难了。本文将从 Lucene 的架构图来介绍 Lucene 的特点和常用包。

    Lucene总的来说是：

    • 一个高效的，可扩展的，全文检索库。
    • 全部用Java实现，无须配置。
    • 仅支持纯文本文件的索引(Indexing)和搜索(Search)。
    • 不负责由其他格式的文件抽取纯文本文件，或从网络中抓取文件的过程。

    Lucene 的构架和过程如下图：

    Lucene 架构图

    说明 Lucene 是有索引和搜索的两个过程，包含索引创建，索引，搜索三个要点。

    下面是一些 Lucene 的各组件：

    Lucene 的组件

    • 被索引的文档用Document对象 表示。
    • IndexWriter 通过函数addDocument 将文档添加到索引中，实现创建索引的过程。
    • Lucene 的索引是应用反向索引。
    • 当用户有请求时，Query 代表用户的查询语句。
    • IndexSearcher 通过函数search 搜索Lucene Index 。
    • IndexSearcher 计算term weight 和score 并且将结果返回给用户。
    • 返回给用户的文档集合用TopDocsCollector 表示。

    那么如何应用这些组件呢？

    看下面详细的 Lucene API 的调用实现索引和搜索过程。

    Lucene 的执行过程

    索引过程

    • 创建一个IndexWriter 用来写索引文件，它有几个参数，INDEX_DIR 就是索引文件所存放的位置，Analyzer 便是用来对文档进行词法分析和语言处理的。
    • 创建一个Document 代表我们要索引的文档。
    • 将不同的Field 加入到文档中。我们知道，一篇文档有多种信息，如题目，作者，修改时间，内容等。不同类型的信息用不同的Field 来表示，在本例子中，一共有两类信息进行了索引，一个是文件路径，一个是文件内容。其中FileReader 的SRC_FILE 就表示要索引的源文件。
    • IndexWriter 调用函数addDocument 将索引写到索引文件夹中。

    搜索过程

    • IndexReader 将磁盘上的索引信息读入到内存，INDEX_DIR 就是索引文件存放的位置。
    • 创建IndexSearcher 准备进行搜索。
    • 创建Analyer 用来对查询语句进行词法分析和语言处理。
    • 创建QueryParser 用来对查询语句进行语法分析。
    • QueryParser 调用parser 进行语法分析，形成查询语法树，放到Query 中。
    • IndexSearcher 调用search 对查询语法树Query 进行搜索，得到结果TopScoreDocCollector 。

    以上便是Lucene API函数的简单调用。

    然而当进入Lucene的源代码后，发现Lucene有很多包，关系错综复杂。

    然而通过下图，我们不难发现，Lucene的各源码模块，都是对普通索引和搜索过程的一种实现。

    Lucene实现的包结构

    • org.apache.lucene.document：这个包提供了一些为封装要索引的文档所需要的类，比如 Document, Field。这样，每一个文档最终被封装成了一个 Document 对象。
    • org.apache.lucene.analysis：这个包主要功能是对文档进行分词，因为文档在建立索引之前必须要进行分词，所以这个包的作用可以看成是为建立索引做准备工作。
    • org.apache.lucene.index：这个包提供了一些类来协助创建索引以及对创建好的索引进行更新。这里面有两个基础的类：IndexWriter 和 IndexReader，其中 IndexWriter 是用来创建索引并添加文档到索引中的，IndexReader 是用来删除索引中的文档的。
    • org.apache.lucene.search：这个包提供了对在建立好的索引上进行搜索所需要的类。比如 IndexSearcher 和 Hits, IndexSearcher 定义了在指定的索引上进行搜索的方法，Hits 用来保存搜索得到的结果。
    • Lucene 的analysis 模块主要负责词法分析及语言处理而形成Term 。
    • Lucene 的index 模块主要负责索引的创建，里面有IndexWriter 。
    • Lucene 的store 模块主要负责索引的读写。
    • Lucene 的QueryParser 主要负责语法分析。
    • Lucene 的search 模块主要负责对索引的搜索。
    • Lucene 的similarity 模块主要负责对相关性打分的实现。

    以上就是 Lucene 的总体架构。看起来很简单，但是实际上用到的算法很多。这个我们以后再慢慢的学习！

    参考资料

    业余草公众号

    最后，欢迎关注我的个人微信公众号：业余草（yyucao）！可加作者微信号：xttblog2。备注：“1”，添加博主微信拉你进微信群。备注错误不会同意好友申请。再次感谢您的关注！后续有精彩内容会第一时间发给您！原创文章投稿请发送至532009913@qq.com邮箱。商务合作也可添加作者微信进行联系！

    本文原文出处：业余草： » 解剖 Lucene 的总体架构

    相关文章推荐