【项目实战】Lucene的API介绍

逃离我推掉我的手 2024-03-25 20:56 81阅读 0赞

## 一、搜索引擎框架 ##

Lucene 或者 solr 有什么不一样？ 分别何时使用？  
首先 Solr是基于Lucene做的，Lucene是 一套信息检索工具包，但并不包含搜索引擎系统，它包含了索引结构、读写索引工具、相关性工具、排序等功能，因此在使用Lucene时你仍需要关注搜索引擎系统，例如数据获取、解析、分词等方面的东西。

而Solr的目标是 打造一款企业级的搜索引擎系统，因此它更接近于我们认识到的搜索引擎系统，它是一个搜索引擎服务，通过各种API可以让你的应用使用搜索服务，而不需要将搜索逻辑耦合在应用中。而且Solr可以根据配置文件定义数据解析的方式，更像是一个搜索框架，它也支持主从、热换库等操作。还添加了飘红、facet等搜索引擎常见功能的支持。

因而，Lucene使用上更加灵活，但是你需要自己处理搜素引擎系统架构，以及其他附加附加功能的实现。而Solr帮你做了更多，但是是一个处于高层的框架，Lucene很多新特性不能及时向上透传，所以有时候可能发现需要一个功能，Lucene是支持的，但是Solr上已经看不到相关接口。

## 二、Lucene vs Solr 的解释 ##

Many people new to Lucene and Solr will ask the obvious question: Should I use Lucene or Solr?The answer is simple: if you’re asking yourself this question, in 99% of situations, what you want to use is Solr.A simple way to conceptualize the relationship between Solr and Lucene is that of a car and its engine. You can’t drive an engine, but you can drive a car. Similarly, Lucene is a programmatic library which you can’t use as-is, whereas Solr is a complete application which you can use out-of-box.Make sth people want.

## 三、更多解释 ##

Lucene更像是一个SDK。 有完整的API族以及对应的实现。你可以利用这些在自己的应用里实现高级查询（基于倒排索引技术的），Lucene对单机或者桌面应用很实用很方便。但是Lucene，需要开发者自己维护索引文件，在多机环境中备份同步索引文件很是麻烦。于是，就有了Solr。而Solr是一个有HTTP接口的基于Lucene的查询服务器，封装了很多Lucene细节，自己的应用可以直接利用诸如 …/solr?q=abc 这样的HTTP GET/POST请求去查询，维护修改索引。给个比方就是，Lucene是给你一堆包，让你自己从底层构建一个数据库。而Solr是一个实现好的数据库程序，安装后就可以直接用了。

## 四、对比 ##

Lucene是search engine, 是java library, 提供的是java api, 可以用于任何application中（当然包括solr)Solr是search server, 是基于Lucene上的一个http wrapper(虽然这个说法不准确，solr还提供了很多其它feature)，提供的是http apisolr依赖于Lucene，目的是更方便使用。主要的competitor是elasticsearch， elasticsearch也是基于Lucene搞的solr ,更多是和nutch 的结合使用

## 一、Lucene的API中五个基础的类 ##

为了对文档进行索引，Lucene 提供了五个基础的类

*  Document
 *  Field
 *  IndexWriter
 *  Analyzer
 *  Directory

### 1.1 Document ###

*  用来描述文档的
 *  文档可以指一个 HTML 页面，一封电子邮件，或者是一个文本文件。
 *  一个 Document 对象由多个 Field 对象组成的。
 *  一个 Document 对象=数据库中的一个记录，每个 Field 对象=记录的一个字段。

### 1.2 Field ###

*  用来描述一个文档的某个属性的
 *  比如一封电子邮件的标题和内容可以用两个 Field 对象分别描述。

### 1.3 Analyzer ###

*  在一个文档被索引之前，首先需要对文档内容进行分词处理，这部分工作就是由 Analyzer 来做的。
 *  Analyzer 类是一个抽象类，它有多个实现。
 *  针对不同的语言和应用需要选择适合的 Analyzer。
 *  Analyzer 把分词后的内容交给 IndexWriter 来建立索引。

### 1.4 IndexWriter ###

*  Lucene 用来创建索引的一个核心的类
 *  作用：把一个个的 Document 对象，加到索引中来。

### 1.5 Directory ###

*  Lucene 的索引的存储的位置
 *  一个抽象类，它目前有两个实现

\[x\]第一个是 FSDirectory，它表示一个存储在文件系统中的索引的位置  
\[x\]第二个是 RAMDirectory，它表示一个存储在内存当中的索引的位置。

## 二、Lucene的API中Query类 ##

这是一个抽象类，他有多个实现，比如 TermQuery, BooleanQuery, PrefixQuery.  
这个类的目的是把用户输入的查询字符串，封装成 Lucene 能够识别的 Query。

## 三、Lucene的API中的IndexSearcher ##

在建立好的索引上进行搜索的。  
只能以只读的方式打开一个索引，所以可以有多个 IndexSearcher 的实例在一个索引上进行操作。

## 四、Lucene的API中的Hits ##

保存搜索结果