Lucene 深入学习（2）Lucene简介

桃扇骨 2022-06-07 13:19 456阅读 0赞

前言： Lucene和信息检索有什么关系，它又有着哪些独特之处？本节着重介绍Lucene的基本知识。

Lucene是什么

Lucene是Apache软件基金会Jakarta项目的一个子项目，它是开源、免费、纯Java语言的全文检索工具包。它的原作者Doug Cutting是以为资深的全文检索专家，曾主导了某搜索引擎的研发工作。

Lucene的优势

Lucene能够如此流行跟它的一些优点是分不开的：

  • 索引文件格式跨平台：Lucene定义了一套以8位字节为基础的索引文件格式，使得不同平台的应用能够兼容。
  • 以倒排索引为基础的分块索引：分块索引可以对新的文件建立小文件索引，提升索引速度，然后通过与原有索引的合并，达到优化的目的。
  • 面向对象的系统架构：Lucene基于Java语言，而该语言的使用者众多，上手难度相对较低。
  • 独立语言的分析接口：无论是什么语言，只要实现自己的文本分析器，就可以使用。便于用户扩展新的语言。
  • 默认实现了查询引擎：Lucene默认实现了布尔查询，模糊查询，分组查询等，用户可以方便地使用查询功能。

Lucene的相关产品

Compass

Campass 是对Lucene搜索引擎在企业应用中的增强。它结合了像Hibernate和Spring等流行的框架，使得在Java程序中使用搜索引擎变得更为容易。

Nutch

Nutch是一个建立在Lucene核心之上的Web搜索的实现，它在lucene的基础上加了网络爬虫和相关的界面部分，使得整个搜索引擎能正常工作。

Solr

Solr是一个高性能，基于Lucene实现的全文搜索服务器。可以通过Http请求来完成查询工作，其上手难度小，检索性能优，是企业中使用广泛。

ElasticSearch

ElasticSearch是一个基于Lucene的搜索服务器。它提供了分布式的能力使得其更加稳定，可靠，是当前流行的企业级搜索引擎。

Lucene系统结构

Lucene系统由基础封装类，核心搜索类，对外接口三大部分组成。

这里写图片描述

目前最新的Lucene已经更新到7.x，但是大部分公司还在使用较低的版本。以我们在用的Lucene 6.0.0版本为例，lucene主要有如下几个包：






































包名 描述
org.apache.lucene.analysis 语言分析器，主要用做分词
org.apache.lucene.codecs 提供了一个抽象的编码个解码的倒排索引结构
org.apache.lucene.document 管理索引存储时的文档结构
org.apache.lucene.index 负责索引的创建与删除等
org.apache.lucene.search 用于处理用户的查询请求
org.apache.lucene.store 提供对索引存储的支持
org.apache.lucene.util 包含了一些有用的数据结构和工具类

Lucene 主要逻辑图

Lucene提供了强大的全文检索功能，从功能上做拆分，有可以分为如下两块：

  • 文本索引：使用分词器对文本资源进行切分，然后存入索引库。
  • 条件查询：根据用户的查询请求，去索引库找出符合条件的信息。

这里写图片描述

Lucene 的查询逻辑

AND

当两个查询条件都满足时，才认为匹配。例如Tom AND Jerry表示文档中都有Tom和Jerry时才返回。

OR

两个查询条件只要有一个满足，就认为匹配。例如Tom OR Jerry表示文档中含有Tom或者Jerry或者同时存在时才返回。

NOT

表示排除某个查询条件。例如Tom NOT Jerry表示文档中含有Tom并且没有Jerry时才返回。

通配符 ? *

Lucene支持简单的通配符查询，例如?匹配单个字符，*匹配零个或多个字符。
例如To? 可以查询出’Too’、’Tom’等，To* 可以查询出’To’、’Tomas’等。

Lucene的查询逻辑看起来很简单，也比较容易理解。这里给出的是其中一部分，在实际运用中，往往会结合使用多种查询逻辑。默认情况下，Lucene只支持英文，因此演示的内容以英文为主，之后会使用到中文分词器，让Lucene支持中文。

发表评论

表情：
评论列表 （有 0 条评论，456人围观）

还没有评论，来说两句吧...

相关阅读