全文检索lucence之倒排索引

        索引能够类比一本书的目录，经过目录咱们能够快速定位到想要找的内容。一样，在数据库中存储了海量的数据，经过建立索引，咱们能够较快速的查询到指定的内容。

        一般状况下，好比传统的关系型数据库（RDBMS），常见的有mysql、Oracle，此类数据库中，咱们建立的索引通常为正排索引，即存储（key，value）的数据时，经过对key建立索引，来寻找value。

        与上面的方式不一样，lucence则是经过value来查找key的方式来建立索引。

        lucence是基于java进行开发的。其将资源以Document 为对象进行存储，每一个文档由一些列Field构成。对field建立索引，关联文档的惟一id。一般状况下，当储存一个新的文档时，会对文档数据分词，即获取Fields，接着建立倒排索引，其存储结构为：词项的字符串+词项的文档频率+记录词项的频率信息+记录词项的位置信息+跳跃偏移量。简单的理解能够造成如下结构:

分别表示词，词出现的文档编号，文档中出现的频率和文档中出现的位置。这样当咱们对词进行搜索时，会找到该词出现过的全部文档的ID，而后再经过该文档的ID寻找文档的具体内容。

固然，Lucene词典中词的顺序是按照英文字母的顺序排列的，这样就能够采用压缩存储：假设有term，termagancy，termagant，termina四个词。每一个字母须要1byte的空间，常规存储一共须要35byte。而压缩存储以后为："term4agancy8t4inal"，一共须要22byte，节省大量的空间。
 

 

参考资料：https://blog.csdn.net/chunlei_zhang/article/details/38520315