Lucene的概述：
Lucene(發(fā)音為 ['lusen] )是一個(gè)非常優(yōu)秀的開源的全文搜索引擎,我們可以在它的上面開發(fā)出各種全文搜索的應(yīng)用來(lái)。Lucene在國(guó)外有很高的知名度，現(xiàn)在已經(jīng)是Apache的頂級(jí)項(xiàng)目，在國(guó)內(nèi)，Lucene的應(yīng)用也越來(lái)越多。
Lucene的算法原理：
Lucene是一個(gè)高性能的java全文檢索工具包，它使用的是倒排文件索引結(jié)構(gòu)。該結(jié)構(gòu)及相應(yīng)的生成算法如下：
0）設(shè)有兩篇文章1和2
文章1的內(nèi)容為：Tom lives in Guangzhou,I live in Guangzhou too.
文章2的內(nèi)容為：He once lived in Shanghai.
1)全文分析：由于lucene是基于關(guān)鍵詞索引和查詢的，首先我們要取得這兩篇文章的關(guān)鍵詞，通常我們需要如下處理措施
a.我們現(xiàn)在有的是文章內(nèi)容，即一個(gè)字符串，我們先要找出字符串中的所有單詞，即分詞。英文單詞由于用空格分隔，比較好處理。中文單詞間是連在一起的需要特殊的分詞處理。
b.文章中的”in”, “once” “too”等詞沒有什么實(shí)際意義，中文中的“的”“是”等字通常也無(wú)具體含義，這些不代表概念的詞可以過濾掉
c.用戶通常希望查“He”時(shí)能把含“he”，“HE”的文章也找出來(lái)，所以所有單詞需要統(tǒng)一大小寫。
d.用戶通常希望查“l(fā)ive”時(shí)能把含“l(fā)ives”，“l(fā)ived”的文章也找出來(lái)，所以需要把“l(fā)ives”，“l(fā)ived”還原成“l(fā)ive”
e.文章中的標(biāo)點(diǎn)符號(hào)通常不表示某種概念，也可以過濾掉
在lucene中以上措施由Analyzer類完成
經(jīng)過上面處理后
文章1的所有關(guān)鍵詞為：[tom] [live] [guangzhou] [i] [live] [guangzhou]
文章2的所有關(guān)鍵詞為：[he] [live] [shanghai]
2) 倒排索引：有了關(guān)鍵詞后，我們就可以建立倒排索引了。上面的對(duì)應(yīng)關(guān)系是：“文章號(hào)”對(duì)“文章中所有關(guān)鍵詞”。倒排索引把這個(gè)關(guān)系倒過來(lái)，變成：“關(guān)鍵詞”對(duì)“擁有該關(guān)鍵詞的所有文章號(hào)”。文章1，2經(jīng)過倒排后變成
關(guān)鍵詞 文章號(hào)
guangzhou 1
he 2
i 1
live 1,2
shanghai 2
tom 1
通常僅知道關(guān)鍵詞在哪些文章中出現(xiàn)還不夠，我們還需要知道關(guān)鍵詞在文章中出現(xiàn)次數(shù)和出現(xiàn)的位置，通常有兩種位置：a)字符位置，即記錄該詞是文章中第幾個(gè)字符（優(yōu)點(diǎn)是關(guān)鍵詞亮顯時(shí)定位快）；b)關(guān)鍵詞位置，即記錄該詞是文章中第幾個(gè)關(guān)鍵詞（優(yōu)點(diǎn)是節(jié)約索引空間、詞組（phase）查詢快），lucene中記錄的就是這種位置。
加上“出現(xiàn)頻率”和“出現(xiàn)位置”信息后，我們的索引結(jié)構(gòu)變?yōu)椋?
?
| ?關(guān)鍵詞 |
?文章號(hào) |
?[出現(xiàn)頻率] |
?出現(xiàn)位置 |
| ?guangzhou |
?1 |
?[2] |
?3，6 |
| ?he |
?2 |
?[1] |
?1 |
| ?i |
?1 |
?[1] |
?4 |
| ?live |
?1 |
?[2] |
?2，5 |
| ? |
?2 |
?[1] |
?2 |
| ?shanghai |
?2 |
?[1] |
?3 |
| ?tom |
?1 |
?[1] |
?1 |
以live 這行為例我們說(shuō)明一下該結(jié)構(gòu)：live在文章1中出現(xiàn)了2次，文章2中出現(xiàn)了一次，它的出現(xiàn)位置為“2,5,2”這表示什么呢？我們需要結(jié)合文章號(hào)和出現(xiàn)頻率來(lái)分析，文章1中出現(xiàn)了2次，那么“2,5”就表示live在文章1中出現(xiàn)的兩個(gè)位置，文章2中出現(xiàn)了一次，剩下的“2”就表示live是文章2中第 2個(gè)關(guān)鍵字。
以上就是lucene索引結(jié)構(gòu)中最核心的部分。我們注意到關(guān)鍵字是按字符順序排列的（lucene沒有使用B樹結(jié)構(gòu)），因此lucene可以用二元搜索算法快速定位關(guān)鍵詞。
實(shí)現(xiàn)時(shí) lucene將上面三列分別作為詞典文件（Term Dictionary）、頻率文件(frequencies)、位置文件 (positions)保存。其中詞典文件不僅保存有每個(gè)關(guān)鍵詞，還保留了指向頻率文件和位置文件的指針，通過指針可以找到該關(guān)鍵字的頻率信息和位置信息。
Lucene中使用了field的概念，用于表達(dá)信息所在位置（如標(biāo)題中，文章中，url中），在建索引中，該field信息也記錄在詞典文件中，每個(gè)關(guān)鍵詞都有一個(gè)field信息(因?yàn)槊總€(gè)關(guān)鍵字一定屬于一個(gè)或多個(gè)field)。
為了減小索引文件的大小，Lucene對(duì)索引還使用了壓縮技術(shù)。首先，對(duì)詞典文件中的關(guān)鍵詞進(jìn)行了壓縮，關(guān)鍵詞壓縮為<前綴長(zhǎng)度，后綴>，例如：當(dāng)前詞為“阿拉伯語(yǔ)”，上一個(gè)詞為“阿拉伯”，那么“阿拉伯語(yǔ)”壓縮為<3，語(yǔ)>。其次大量用到的是對(duì)數(shù)字的壓縮，數(shù)字只保存與上一個(gè)值的差值（這樣可以減小數(shù)字的長(zhǎng)度，進(jìn)而減少保存該數(shù)字需要的字節(jié)數(shù)）。例如當(dāng)前文章號(hào)是16389（不壓縮要用3個(gè)字節(jié)保存），上一文章號(hào)是16382，壓縮后保存7（只用一個(gè)字節(jié)）。 注意是“上一個(gè)詞”。由于詞典是按順序排列的，這種壓縮方法的效果會(huì)非常顯著。
下面我們可以通過對(duì)該索引的查詢來(lái)解釋一下為什么要建立索引。
假設(shè)要查詢單詞 “l(fā)ive”，lucene先對(duì)詞典二元查找、找到該詞，通過指向頻率文件的指針讀出所有文章號(hào)，然后返回結(jié)果。詞典通常非常小，因而，整個(gè)過程的時(shí)間是毫秒級(jí)的。
而用普通的順序匹配算法，不建索引，而是對(duì)所有文章的內(nèi)容進(jìn)行字符串匹配，這個(gè)過程將會(huì)相當(dāng)緩慢，當(dāng)文章數(shù)目很大時(shí)，時(shí)間往往是無(wú)法忍受的。
全文檢索框架的實(shí)現(xiàn)機(jī)制：
Lucene的API接口設(shè)計(jì)的比較通用，輸入輸出結(jié)構(gòu)都很像數(shù)據(jù)庫(kù)的表==>記錄==>字段，所以很多傳統(tǒng)的應(yīng)用的文件、數(shù)據(jù)庫(kù)等都可以比較方便的映射到Lucene的存儲(chǔ)結(jié)構(gòu)/接口中。總體上看：可以先把Lucene當(dāng)成一個(gè)支持全文索引的數(shù)據(jù)庫(kù)系統(tǒng)。
比較一下Lucene和數(shù)據(jù)庫(kù)：
| ?Lucene |
?數(shù)據(jù)庫(kù) |
|
?索引數(shù)據(jù)源：doc(field1,field2...) doc(field1,field2...)?
?????????? ?\? indexer /
?????? ?_____________
????????| Lucene Index |
????????????--------------
???????????/ searcher \
結(jié)果輸出：Hits(doc(field1,field2) doc(field1...))
|
?索引數(shù)據(jù)源：record(field1,field2...) record(field1..)??
??????????? \? SQL: insert/?
??????????_____________
???????????|?? DB? Index?? |
?????????????? -------------?
??????????? / SQL: select \
結(jié)果輸出：results(record(field1,field2..) record(field1...))
|
|
?Document：一個(gè)需要進(jìn)行索引的“單元,一個(gè)Document由多個(gè)字段組成
|
?Record：記錄，包含多個(gè)字段
|
|
Field：字段
|
Field：字段 |
|
Hits：查詢結(jié)果集，由匹配的Document組成
|
?RecordSet：查詢結(jié)果集，由多個(gè)Record組成 |
全文檢索 ≠ like "%keyword%"
由于數(shù)據(jù)庫(kù)索引不是為全文索引設(shè)計(jì)的，因此，使用like "%keyword%"時(shí)，數(shù)據(jù)庫(kù)索引是不起作用的，在使用like查詢時(shí)，搜索過程又變成類似于一頁(yè)頁(yè)翻書的遍歷過程了，所以對(duì)于含有模糊查詢的數(shù)據(jù)庫(kù)服務(wù)來(lái)說(shuō)，LIKE對(duì)性能的危害是極大的。如果是需要對(duì)多個(gè)關(guān)鍵詞進(jìn)行模糊匹配：like"%keyword1%" and like "%keyword2%" ...其效率也就可想而知了。
通常比較厚的書籍后面常常附關(guān)鍵詞索引表（比如：北京：12, 34頁(yè)，上海：3,77頁(yè)……），它能夠幫助讀者比較快地找到相關(guān)內(nèi)容的頁(yè)碼。而數(shù)據(jù)庫(kù)索引能夠大大提高查詢的速度原理也是一樣，想像一下通過書后面的索引查找的速度要比一頁(yè)一頁(yè)地翻內(nèi)容高多少倍……而索引之所以效率高，另外一個(gè)原因是它是排好序的。對(duì)于檢索系統(tǒng)來(lái)說(shuō)核心是一個(gè)排序問題。
所以建立一個(gè)高效檢索系統(tǒng)的關(guān)鍵是建立一個(gè)類似于科技索引一樣的反向索引機(jī)制，將數(shù)據(jù)源（比如多篇文章）排序順序存儲(chǔ)的同時(shí)，有另外一個(gè)排好序的關(guān)鍵詞列表，用于存儲(chǔ)關(guān)鍵詞==>文章映射關(guān)系，利用這樣的映射關(guān)系索引：[關(guān)鍵詞==>出現(xiàn)關(guān)鍵詞的文章編號(hào)，出現(xiàn)次數(shù)（甚至包括位置：起始偏移量，結(jié)束偏移量），出現(xiàn)頻率]，檢索過程就是把模糊查詢變成多個(gè)可以利用索引的精確查詢的邏輯組合的過程。從而大大提高了多關(guān)鍵詞查詢的效率，所以，全文檢索問題歸結(jié)到最后是一個(gè)排序問題。
由此可以看出模糊查詢相對(duì)數(shù)據(jù)庫(kù)的精確查詢是一個(gè)非常不確定的問題，這也是大部分?jǐn)?shù)據(jù)庫(kù)對(duì)全文檢索支持有限的原因。Lucene最核心的特征是通過特殊的索引結(jié)構(gòu)實(shí)現(xiàn)了傳統(tǒng)數(shù)據(jù)庫(kù)不擅長(zhǎng)的全文索引機(jī)制，并提供了擴(kuò)展接口，以方便針對(duì)不同應(yīng)用的定制。
可以通過一下表格對(duì)比一下數(shù)據(jù)庫(kù)的模糊查詢：
| ? |
?Lucene全文索引引擎 |
?數(shù)據(jù)庫(kù) |
| ?索引 |
?將數(shù)據(jù)源中的數(shù)據(jù)都通過全文索引一一建立反向索引 |
?對(duì)于LIKE查詢來(lái)說(shuō)，數(shù)據(jù)傳統(tǒng)的索引是根本用不上的。數(shù)據(jù)需要逐個(gè)便利記錄進(jìn)行GREP式的模糊匹配，比有索引的搜索速度要有多個(gè)數(shù)量級(jí)的下降。 |
| ?匹配效果 |
?通過詞元(term)進(jìn)行匹配，通過語(yǔ)言分析接口的實(shí)現(xiàn)，可以實(shí)現(xiàn)對(duì)中文等非英語(yǔ)的支持。 |
?使用：like "%net%" 會(huì)把netherlands也匹配出來(lái)，
多個(gè)關(guān)鍵詞的模糊匹配：使用like "%com%net%"：就不能匹配詞序顛倒的xxx.net..xxx.com |
| ?匹配度 |
?有匹配度算法，將匹配程度（相似度）比較高的結(jié)果排在前面。 |
?沒有匹配程度的控制：比如有記錄中net出現(xiàn)5詞和出現(xiàn)1次的，結(jié)果是一樣的 |
| ?結(jié)果輸出 |
?通過特別的算法，將最匹配度最高的頭100條結(jié)果輸出，結(jié)果集是緩沖式的小批量讀取的。 |
?返回所有的結(jié)果集，在匹配條目非常多的時(shí)候（比如上萬(wàn)條）需要大量的內(nèi)存存放這些臨時(shí)結(jié)果集。 |
| ?可定制性 |
?通過不同的語(yǔ)言分析接口實(shí)現(xiàn)，可以方便的定制出符合應(yīng)用需要的索引規(guī)則（包括對(duì)中文的支持） |
?沒有接口或接口復(fù)雜，無(wú)法定制 |
| ?結(jié)論 |
?高負(fù)載的模糊查詢應(yīng)用，需要負(fù)責(zé)的模糊查詢的規(guī)則，索引的資料量比較大 |
?使用率低，模糊匹配規(guī)則簡(jiǎn)單或者需要模糊查詢的資料量少 |
全文檢索和數(shù)據(jù)庫(kù)應(yīng)用最大的不同在于：讓最相關(guān)的
頭100條結(jié)果滿足98%以上用戶的需求。
Lucene的創(chuàng)新之處：
大部分的搜索（數(shù)據(jù)庫(kù)）引擎都是用B樹結(jié)構(gòu)來(lái)維護(hù)索引，索引的更新會(huì)導(dǎo)致大量的IO操作，Lucene在實(shí)現(xiàn)中，對(duì)此稍微有所改進(jìn)：不是維護(hù)一個(gè)索引文件，而是在擴(kuò)展索引的時(shí)候不斷創(chuàng)建新的索引文件，然后定期的把這些新的小索引文件合并到原先的大索引中（針對(duì)不同的更新策略，批次的大小可以調(diào)整），這樣在不影響檢索的效率的前提下，提高了索引的效率。
Lucene和其他一些全文檢索系統(tǒng)/應(yīng)用的比較：
| ? |
?Lucene |
?其他開源全文檢索系統(tǒng) |
| ?增量索引和批量索引 |
?可以進(jìn)行增量的索引(Append)，可以對(duì)于大量數(shù)據(jù)進(jìn)行批量索引，并且接口設(shè)計(jì)用于優(yōu)化批量索引和小批量的增量索引。 |
?很多系統(tǒng)只支持批量的索引，有時(shí)數(shù)據(jù)源有一點(diǎn)增加也需要重建索引。 |
| ?數(shù)據(jù)源 |
?Lucene沒有定義具體的數(shù)據(jù)源，而是一個(gè)文檔的結(jié)構(gòu)，因此可以非常靈活的適應(yīng)各種應(yīng)用（只要前端有合適的轉(zhuǎn)換器把數(shù)據(jù)源轉(zhuǎn)換成相應(yīng)結(jié)構(gòu)）。 |
?很多系統(tǒng)只針對(duì)網(wǎng)頁(yè)，缺乏其他格式文檔的靈活性。 |
| ?索引內(nèi)容抓取 |
?Lucene的文檔是由多個(gè)字段組成的，甚至可以控制那些字段需要進(jìn)行索引，那些字段不需要索引，近一步索引的字段也分為需要分詞和不需要分詞的類型：
?? 需要進(jìn)行分詞的索引，比如：標(biāo)題，文章內(nèi)容字段
?? 不需要進(jìn)行分詞的索引，比如：作者/日期字段 |
?缺乏通用性，往往將文檔整個(gè)索引了 |
| ?語(yǔ)言分析 |
?通過語(yǔ)言分析器的不同擴(kuò)展實(shí)現(xiàn)：
可以過濾掉不需要的詞：an the of 等，
西文語(yǔ)法分析：將jumps jumped jumper都?xì)w結(jié)成jump進(jìn)行索引/檢索
非英文支持：對(duì)亞洲語(yǔ)言，阿拉伯語(yǔ)言的索引支持 |
?缺乏通用接口實(shí)現(xiàn) |
| ?查詢分析 |
?通過查詢分析接口的實(shí)現(xiàn)，可以定制自己的查詢語(yǔ)法規(guī)則：
比如： 多個(gè)關(guān)鍵詞之間的 + - and or關(guān)系等 |
?功能較強(qiáng)大 |
| ?并發(fā)訪問 |
?能夠支持多用戶的使用 |
?功能較強(qiáng)大 |
關(guān)于亞洲語(yǔ)言的的切分詞問題(Word Segment)
對(duì)于中文來(lái)說(shuō)，全文索引首先還要解決一個(gè)語(yǔ)言分析的問題，對(duì)于英文來(lái)說(shuō)，語(yǔ)句中單詞之間是天然通過空格分開的，但亞洲語(yǔ)言的中日韓文語(yǔ)句中的字是一個(gè)字挨一個(gè)，所有，首先要把語(yǔ)句中按“詞”進(jìn)行索引的話，這個(gè)詞如何切分出來(lái)就是一個(gè)很大的問題。
首先，肯定不能用單個(gè)字符作(si-gram)為索引單元，否則查“上海”時(shí)，不能讓含有“海上”也匹配。
但一句話：“北京天安門”，計(jì)算機(jī)如何按照中文的語(yǔ)言習(xí)慣進(jìn)行切分呢？
“北京 天安門” 還是“北 京 天安門”？讓計(jì)算機(jī)能夠按照語(yǔ)言習(xí)慣進(jìn)行切分，往往需要機(jī)器有一個(gè)比較豐富的詞庫(kù)才能夠比較準(zhǔn)確的識(shí)別出語(yǔ)句中的單詞。
另外一個(gè)解決的辦法是采用自動(dòng)切分算法：將單詞按照2元語(yǔ)法(bigram)方式切分出來(lái)，比如：
"北京天安門" ==> "北京 京天 天安 安門"。
這樣，在查詢的時(shí)候，無(wú)論是查詢"北京" 還是查詢"天安門"，將查詢?cè)~組按同樣的規(guī)則進(jìn)行切分："北京"，"天安安門"，多個(gè)關(guān)鍵詞之間按與"and"的關(guān)系組合，同樣能夠正確地映射到相應(yīng)的索引中。這種方式對(duì)于其他亞洲語(yǔ)言：韓文，日文都是通用的。
基于自動(dòng)切分的最大優(yōu)點(diǎn)是沒有詞表維護(hù)成本，實(shí)現(xiàn)簡(jiǎn)單，缺點(diǎn)是索引效率低，但對(duì)于中小型應(yīng)用來(lái)說(shuō)，基于2元語(yǔ)法的切分還是夠用的。基于2元切分后的索引一般大小和源文件差不多，而對(duì)于英文，索引文件一般只有原文件的30%-40%不同。
| ? |
?自動(dòng)切分 |
?詞表切分 |
| ?實(shí)現(xiàn) |
?實(shí)現(xiàn)非常簡(jiǎn)單 |
?實(shí)現(xiàn)復(fù)雜 |
| ?查詢 |
?增加了查詢分析的復(fù)雜程度 |
?適于實(shí)現(xiàn)比較復(fù)雜的查詢語(yǔ)法規(guī)則 |
| ?存儲(chǔ)效率 |
?索引冗余大，索引幾乎和原文一樣大 |
?索引效率高，為原文大小的30％左右 |
| ?維護(hù)成本 |
?無(wú)詞表維護(hù)成本 |
?詞表維護(hù)成本非常高：中日韓等語(yǔ)言需要分別維護(hù)。
還需要包括詞頻統(tǒng)計(jì)等內(nèi)容 |
| ?適用領(lǐng)域 |
?嵌入式系統(tǒng)：運(yùn)行環(huán)境資源有限
分布式系統(tǒng)：無(wú)詞表同步問題
多語(yǔ)言環(huán)境：無(wú)詞表維護(hù)成本 |
?對(duì)查詢和存儲(chǔ)效率要求高的專業(yè)搜索引擎
|
目前比較大的搜索引擎的語(yǔ)言分析算法一般是基于以上2個(gè)機(jī)制的結(jié)合。關(guān)于中文的語(yǔ)言分析算法，大家可以在Google查關(guān)鍵詞"wordsegment search"能找到更多相關(guān)的資料。
Lucene的結(jié)構(gòu)框架：
注意：Lucene中的一些比較復(fù)雜的詞法分析是用JavaCC生成的（JavaCC：JavaCompilerCompiler，純Java的詞法分析生成器），所以如果從源代碼編譯或需要修改其中的QueryParser、定制自己的詞法分析器，還需要從https://javacc.dev.java.net/下載javacc。
lucene的組成結(jié)構(gòu)：對(duì)于外部應(yīng)用來(lái)說(shuō)索引模塊(index)和檢索模塊(search)是主要的外部應(yīng)用入口。
| ?org.apache.Lucene.search/ |
?搜索入口 |
| ?org.apache.Lucene.index/ |
?索引入口 |
| ?org.apache.Lucene.analysis/ |
?語(yǔ)言分析器 |
| ?org.apache.Lucene.queryParser/ |
查詢分析器 |
| ?org.apache.Lucene.document/ |
?存儲(chǔ)結(jié)構(gòu) |
| ?org.apache.Lucene.store/? |
?底層IO/存儲(chǔ)結(jié)構(gòu) |
| ?org.apache.Lucene.util/ |
?一些公用的數(shù)據(jù)結(jié)構(gòu) |
從Lucene學(xué)到更多：
Luene的確是一個(gè)面對(duì)對(duì)象設(shè)計(jì)的典范。
- 所有的問題都通過一個(gè)額外抽象層來(lái)方便以后的擴(kuò)展和重用：你可以通過重新實(shí)現(xiàn)來(lái)達(dá)到自己的目的，而對(duì)其他模塊而不需要；
- 簡(jiǎn)單的應(yīng)用入口Searcher, Indexer，并調(diào)用底層一系列組件協(xié)同的完成搜索任務(wù)；
- 所有的對(duì)象的任務(wù)都非常專一：比如搜索過程：QueryParser分析將查詢語(yǔ)句轉(zhuǎn)換成一系列的精確查詢的組合(Query),通過底層的索引讀取結(jié)構(gòu)IndexReader進(jìn)行索引的讀取，并用相應(yīng)的打分器給搜索結(jié)果進(jìn)行打分/排序等。所有的功能模塊原子化程度非常高，因此可以通過重新實(shí)現(xiàn)而不需要修改其他模塊。?
- 除了靈活的應(yīng)用接口設(shè)計(jì)，Lucene還提供了一些適合大多數(shù)應(yīng)用的語(yǔ)言分析器實(shí)現(xiàn)（SimpleAnalyser,StandardAnalyser），這也是新用戶能夠很快上手的重要原因之一。
這些優(yōu)點(diǎn)都是非常值得在以后的開發(fā)中學(xué)習(xí)借鑒的。作為一個(gè)通用工具包，Lunece的確給予了需要將全文檢索功能嵌入到應(yīng)用中的開發(fā)者很多的便利。
此外，通過對(duì)Lucene的學(xué)習(xí)和使用，我也更深刻地理解了為什么很多數(shù)據(jù)庫(kù)優(yōu)化設(shè)計(jì)中要求，比如：
- 盡可能對(duì)字段進(jìn)行索引來(lái)提高查詢速度，但過多的索引會(huì)對(duì)數(shù)據(jù)庫(kù)表的更新操作變慢，而對(duì)結(jié)果過多的排序條件，實(shí)際上往往也是性能的殺手之一。
- 很多商業(yè)數(shù)據(jù)庫(kù)對(duì)大批量的數(shù)據(jù)插入操作會(huì)提供一些優(yōu)化參數(shù)，這個(gè)作用和索引器的merge_factor的作用是類似的。
- 20%/80%原則：查的結(jié)果多并不等于質(zhì)量好，尤其對(duì)于返回結(jié)果集很大，如何優(yōu)化這頭幾十條結(jié)果的質(zhì)量往往才是最重要的。
- 盡可能讓應(yīng)用從數(shù)據(jù)庫(kù)中獲得比較小的結(jié)果集，因?yàn)榧词箤?duì)于大型數(shù)據(jù)庫(kù)，對(duì)結(jié)果集的隨機(jī)訪問也是一個(gè)非常消耗資源的操作。
摘引：車東BLOG：http://www.chedong.com/tech/lucene.html
其他Lucene文章的連接
Lucene工具包下載,下載后將得到一個(gè)名為
lucene-1.4-final.zip的壓縮文件，解壓后，里面有一個(gè)名為lucene-1.4-final.jar的文件，這就是Lucene組件包. lucene的api地址：
http://jakarta.apache.org/lucene/docs/api/index.html優(yōu)秀的開放源代碼全文檢索系統(tǒng)Lucene雪地雛鷹-[信息檢索]Lucene研究Lucene實(shí)現(xiàn)的全文檢索