lucene 索引文件結(jié)構(gòu)分析

在分析 lucene 的索引文件結(jié)構(gòu)之前，我們先要理解反向索引（inverted index）這個概念，反向索引是一種以索引項為中心來組織文檔的方式，每個索引項指向一個文檔序列，這個序列中的文檔都包含該索引項。相反，在正向索引中，文檔占據(jù)了中心的位置，每個文檔指向了一個它所包含的索引項的序列。你可以利用反向索引輕松的找到那些文檔包含了特定的索引項。lucene正是使用了反向索引作為其基本的索引結(jié)構(gòu)。

索引文件的邏輯視圖

在lucene 中有索引塊的概念，每個索引塊包含了一定數(shù)目的文檔。我們能夠?qū)为毜乃饕龎K進行檢索。圖 2 顯示了 lucene 索引結(jié)構(gòu)的邏輯視圖。索引塊的個數(shù)由索引的文檔的總數(shù)以及每個索引塊所能包含的最大文檔數(shù)來決定。

圖2：索引文件的邏輯視圖 
 

lucene 中的關(guān)鍵索引文件

下面的部分將會分析lucene中的主要的索引文件，可能分析有些索引文件的時候沒有包含文件的所有的字段，但不會影響到對索引文件的理解。

1．索引塊文件

這個文件包含了索引中的索引塊信息，這個文件包含了每個索引塊的名字以及大小等信息。表 2 顯示了這個文件的結(jié)構(gòu)信息。

表2：索引塊文件結(jié)構(gòu) 

2．域信息文件

我們知道，索引中的文檔由一個或者多個域組成，這個文件包含了每個索引塊中的域的信息。表 3 顯示了這個文件的結(jié)構(gòu)。

表3：域信息文件結(jié)構(gòu) 

3．索引項信息文件

這是索引文件里面最核心的一個文件，它存儲了所有的索引項的值以及相關(guān)信息，并且以索引項來排序。表 4 顯示了這個文件的結(jié)構(gòu)。

表4：索引項信息文件結(jié)構(gòu) 

4．頻率文件

這個文件包含了包含索引項的文檔的列表，以及索引項在每個文檔中出現(xiàn)的頻率信息。如果lucene在索引項信息文件中發(fā)現(xiàn)有索引項和搜索詞相匹配。那么 lucene 就會在頻率文件中找有哪些文件包含了該索引項。表5顯示了這個文件的一個大致的結(jié)構(gòu)，并沒有包含這個文件的所有字段。

表5：頻率文件的結(jié)構(gòu) 

5．位置文件

這個文件包含了索引項在每個文檔中出現(xiàn)的位置信息，你可以利用這些信息來參與對索引結(jié)果的排序。表 6 顯示了這個文件的結(jié)構(gòu)

表6：位置文件的結(jié)構(gòu) 

到目前為止我們介紹了 lucene 中的主要的索引文件結(jié)構(gòu)，希望能對你理解 lucene 的物理的存儲結(jié)構(gòu)有所幫助。