最近准备开发搜索引擎，而在Java的领域开发搜索引擎，基本都要了解Lucene。Lucene是提供高性能的全文检索包，但不提供完整的搜索功能。本文在这里简单介绍Lucene的基本架构与优点。Luence主要的应用方向是嵌入到各种应用中实现针对应用的全文索引/检索功能。
Luence的优点
为什么在Java语言中开发搜索引擎基本都会提到Lucene呢？说明它必定有很多优秀的地方，根据网上的资料了解到它有以下的优点：
- 索引文件格式独立于应用平台。Lucene定义了一套以8位字节为基础的索引文件格式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。
- 在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立小文件索引，提升索引速度。然后通过与原有索引的合并，达到优化的目的。
- 优秀的面向对象的系统架构，使得对于Lucene扩展的学习难度降低，方便扩充新功能。
- 设计了独立于语言和文件格式的文本分析接口，索引器通过接受Token流完成索引文件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。
- 已经默认实现了一套强大的查询引擎，用户无需自己编写代码即使系统可获得强大的查询能力，Lucene的查询实现中默认实现了布尔操作、模糊查询、分组查询等等。
Luence的基本架构
Luence的组件架构
Luence的常用模块介绍
如下图所示，显示的是Luence5的常见模块，下面对其分别进行介绍
- org.apache.lucene.analysis 主要对文档进行分词，将文档转换成Token，并提供了默认的实现--StandardAnalyzer，默认实现只能对英文进行分词，对中文分词可采取网上开源的分词软件如：IKAnalyzer；
- org.apache.lucene.codecs 提供一个抽象的索引结构，并进行编码与解码；
- org.apache.lucene.document 这里的docment对应对多个字段（Field），而一个字段是关键词组合；
- org.apache.lucene.index 提供创建与操作索引的方法。
- org.apache.lucene.search 对文档进行搜索
- org.apache.lucene.store 提供独立于平台的存储方式，并提供多个实现
- org.apache.lucene.util 提供Luence的常用的工具类
时间： 2024-10-19 09:51:53