谈谈lucene倒排索引的存储方式（3-1）

如今开启lucene倒排索引之词的索引存储之旅也就是对BlockTreeTermsWriter类分析，这是lucene中难啃的骨头之一，为了方便记忆和理解，还有保持内容的跟进，先准备对着代码一步步描述，而前面全部关于lucene的内容都是看完代码再总结的，所以能够想象这块内容的复杂度。

当写入一个词的时候会先写入该词的posting，而后将再写入返回的posting状态信息和词自己。posting的写入过程在谈谈lucene倒排索引的存储方式（一）和（二）中已经说明。

假设minItemsInBlock=3，根据下面的代码

当输入abc时:

   prefixStarts=[0,0,0]        pendingSize=1;

当输入abcd时：

   prefixStarts=[0,0,0,1]        pendingSize=2;

当输入abcde时：

   prefixStarts=[0,0,0,1,2]        pendingSize=3;

当输入abe时：

    prefixStarts 从理应的[0, 0, 3, 1, 2]变成[0, 0, 1, 1, 2]        pendingSize=4;

若是只看输入abe时prefixStarts=[0, 0, 3, 1, 2]，从输入abc时prefixStarts的变化状况，结合prefixTopSize能够看出prefixStarts下标记录的是公共前缀的长度，值记录的是pending列表中元素的id，经过pending.size–id能够求得公共长度prefixTopSize的长度。例如当输入abe时，从上一个词abcde的最后一个e开始扫描，计算abc、abcd、abcde中与abcde有公共前缀的词的个数为1，而后从d开始计算abc、abcd、abcde与abcd有公共前缀的词的个数为2，以此类推计算abc、abcd、abcde与abc有公共前缀的词个数为3正好达到minItemsInBlock的阈值，因此最终结论是每次写入一个新词时，当已有词列表最长公共前缀达到给定阈值时会写入到一个block中（这里还没具体看代码分析可是从writeBlocks方法能够看出来），为何是最长公共前缀呢由于在输入abe前以a和ab为前缀的词一样有3个，这样压缩效率没有以abc为前缀的高。下篇分析writeBlocks方法。