Lucene

1.什么是lucene

1.1数据的分类 ：

（1）结构化数据：

有固定类型或固定长度的数据

例如：数据库中的数据（Mysql，Oracle等），元数据（windows中的数据，如文件夹，文档都有明确 规定的类型和大小）

搜索方法：

数据库中的数据通过sqk语句来搜索

元数据（windows中的数据）通过搜索栏来搜索

（2）非结构化数据：

没有固定类型和固定长度的数据，自然界大多数都是非结构化数据 

例如：world文档中的内容，无法限制长度和类型；邮件中的数据（可以写文字，插入图片等 ）

搜索方法：

World文档使用Ctril+F来进行搜索。Ctril+F使用的是顺序扫描法。

顺序扫描法：

.定义：

就是将要搜索的关键字在文档中逐字匹配，直到找到和关键字一致的内容为止。

.优缺点：

优点：如果文档中存在所要寻找的关键则一定会找到 想要的内容。

缺点：效率慢。

全文检索算法（倒排索引算法）：

该算法就相当于曾经的新华字典，有内容还有目录可以通过目录快速的找到所需要的内容。而顺序扫描法就相当于没有目录的字典，只能从正文中一页一页的寻找。

定义：

将文件中的内容提取出来，将文件拆分成一个一个的词（分词），并去除掉重复的内容，将这些词组成索引（相当于字典中的目录），搜索的时候先搜索索引，通过索引找文档。

优缺点：

优点：搜索速度快且准确

缺点： 通过空间换时间，空间占用率高，因为创建的索引占用了磁盘空间

1.2.什么是Lucene：

Lucene是apache旗下的顶级项目，是一个全文检索工具包（其实就是一个jar包，不能够独立运行）。

Lucene是一个可以创建全文检索引擎系统的一堆jar包，可以使用它来构建全文检索引擎系统，但是Lucene不能够独立使用，但其构建的全文检索引擎系统能够独立使用。

全文检索引擎系统：

全文检索引擎系统是由Lucene（一堆jar包）构成的，全文检索引擎系统放在apache下可以独立运行， 并对外提供全文检索服务。

注意：

Lucene是一堆jar包，不能独立运行，而全文检索引擎系统是由Lucene构成的，其可以在Apache下独立运行。

2.Lucene的应用领域：

（1）互联网全文检索引擎

eg.百度，谷歌

（2）站内全文搜索引擎 

eg.京东，淘宝的站内搜索功能 

（3）数据库中的like关键字用的是顺序扫描法 ，效率太慢，所以可以用Lucene优化查询。