Lucene4.7 索引和检索的经常使用API(二)

前面几篇笔者已经把Lucene的最基本的入门，介绍完了，本篇就对Lucene基本的知识作一个总结，以便于加深对Lucene基本API组件的理解。 

为了方便对比学习，下面给出表格数据 

索引期间使用的API组件	检索期间使用的API组件
IndexWriter	IndexReader
IndexWriterConfig	IndexSearcher
Directory	Directory
Analyzer	QueryParser或者Query子类
Document	TopDocs
Field	ScoreDoc--Term

下面笔者就对上图组件一一剖析下首页要介绍的就索引期间的各个类 1,IndexWriter是索引过程当中的核心类，主要负责建立索引或者打开已有索引，提供对索引的 添加，删除，修改等操做 2,IndexWriterConfig这个API在低版本的Lucene中是没有此配置类的，这个类也比较重要，使用此类则须要在其构造方法中传入2个参数，第一个参数是Lucene当前的版本号，第二个是索引是使用的分词器，除了这个咱们最经常使用的功能，里面还提供了大量工具方法，例如，设置内存里缓冲大小，设置文档数据批量提交时大小，获取线程状态，设置建立模式，以及是否开启复合索引的等等一系列，能够对索引作一些基本的配置优化等信息。 3,Directory这个类表明了Lucene索引的存放位置，是一个抽象类，它有一系列子类能够用来处理索引，使用不一样的子类对于系统的性能，影响会很大，但归其本质上，提高性能，无非就拿空间换时间或拿时间或空间2中状况，在具体使用时，咱们能够使用其子类来获取索引所在的存储路径，而后将其传给IndexWriter类构造方法里。 4,Analyzer这个类也是全部分析器的基类，文本文件在索引前，须要通过分析器处理，处理成对应的语汇单元，统一格式，它能提取有效的信息，过滤掉一些禁用词，Lucene自带有几个分析器，但大部分都是对英文或欧洲语言处理的，若是想要使用中文的分词器，能够使用其自带的SmartCN分词器，也能够用开源的IK，messeg4j等等,选择什么样的分析器是索引过程当中很重要的一步，这个关键还得看本身的业务需求定。 5,Document表明一个文档的意思，相似于数据库的一行记录，咱们能够向文档中，添加本身想要的域字段，而后在把一个个文档索引发来，提供检索。 6，Field就是文档中存储的域，每个域都有一个域名和域值，这就相似数据库的字段名跟值同样，咱们能够使用Field来精确控制各个域的值，最经常使用的有2个Field，一个是不提供分词的StringField和另一个分词的TextFiled，固然还有其余的一些Field，在这里就很少介绍了。 7，IndexReader这个类用来获取Directory的子类打开的索引文件流，而后在将进IndexSearcher的构造方法里，进行查询组件的初始化操做，这个类再低版本的的Lucene里也是不存在的，在后来新的版本里才添加的类。 8，IndexSearcher这个类是程序搜索期间的核心类，是链接索引的桥梁，它是以只读的方式打开索引，提供了大量检索，排序，过滤的等等以及其余的一些功能。 9，QueryParser或Query均可以完成一些检索功能，不一样的是QueryParser提供的功能更为强大，方便自定义开发一些检索方案，而Query及其麾下的一系列子类是Lucene中自带的一些API，使用这些API，大部分状况下均可以完成一些基本的检索，若是须要定制化本身的检索方案则须要使用QueryParser，大多数状况下，咱们最常使用的是Query下面的TermQuery子类，固然还有其余大量的特定功能的Query子类存在。 10，TopDocs这个类是一个简单的容器指针，它通常会记录前N个检索的结果，在TopDocs中，它只会存储这个文档的docid以及获取的得分状况，另外这前N个结果，默认的排序方式，是按照得分的大小排列的。 11，ScoreDoc类一般咱们使用的是一个数组，它里面也只会包含这个文档的docid以及获取的得分状况，与TopDocs不一样的是，咱们能够使用这个类，来进行相似数据库的分页操做，固然你得保证你有足够的内存，若是是海量数据的分页，这个操做很容易形成内存溢出，这时候咱们就须要考虑其余方法了。 12，Term类是搜索功能最基本的单元，与Field相似，检索的时候须要传入域名及检索的字符串，是一个小而不可或缺的精简类。 至此，笔者已经对Lucene的基本的经常使用的几个类简单的剖析了一下，可能大多数状况下，咱们知道他们怎么用，可是就是不太了解他们的基本概念。笔者以为，若是真正的理解了这些东西，就能够在开发中或给同事的一些交流中带来极大的方便。