lucene、简介

1.什么是lucene
Lucene是一个全文搜索框架，而不是应用产品。所以它并不像http://www.baidu.com/ 或者google Desktop那么拿来就能用，它只是提供了一种工具让你能实现这些产品。

2. lucene能作什么
•要回答这个问题，先要了解lucene的本质。实际上lucene的功能很单一，说到底，就是你给它若干个字符串，而后它为你提供一个全文搜索服务，告诉你你要搜索的关键词出如今哪里。知道了这个本质，你就能够发挥想象作任何符合这个条件的事情了。你能够把站内新闻都索引了，作个资料库；你能够把一个数据库表的若干个字段索引发来，那就不用再担忧由于“%like%”而锁表了；你也能够写个本身的搜索引擎……

3. 你该不应选择lucene
•下面给出一些测试数据，若是你以为能够接受，那么能够选择。
–测试一：250万记录，300M左右文本，生成索引380M左右，800线程下平均处理时间300ms。
–测试二：37000记录，索引数据库中的两个varchar字段，索引文件2.6M，800线程下平均处理时间1.5ms。

4. lucene为何这么快
–倒排索引
–压缩算法
–二元搜索

5. 倒排索引
–根据属性的值来查找记录。这种索引表中的每一项都包括一个属性值和具备该属性值的各记录的地址。因为不是由记录来肯定属性值，而是由属性值来肯定记录的位置，于是称为倒排索引(invertedindex)
–单词——文档矩阵

•lucene的工做方式lucene提供的服务实际包含两部分：一入一出。所谓入是写入，即将你提供的源（本质是字符串）写入索引或者将其从索引中删除；所谓出是读出，即向用户提供全文搜索服务，让用户能够经过关键词定位源

•写入流程源字符串首先通过analyzer处理，包括：分词，分红一个个单词；去除stopword（可选）。将源中须要的信息加入Document的各个Field中，并把须要索引的Field索引发来，把须要存储的Field存储起来。将索引写入存储器，存储器能够是内存或磁盘。
•读出流程用户提供搜索关键词，通过analyzer处理。对处理后的关键词搜索索引找出对应的Document。用户根据须要从找到的Document中提取须要的Field。

•document 用户提供的源是一条条记录，它们能够是文本文件、字符串或者数据库表的一条记录等等。一条记录通过索引以后，就是以一个Document的形式存储在索引文件中的。用户进行搜索，也是以Document列表的形式返回。
•field 一个Document能够包含多个信息域，例如一篇文章能够包含“标题”、“正文”、“最后修改时间”等信息域，这些信息域就是经过Field在Document中存储的。Field有两个属性可选：存储和索引。经过存储属性你能够控制是否对这个Field进行存储；经过索引属性你能够控制是否对该Field进行索引。这看起来彷佛有些废话，事实上对这两个属性的正确组合很重要