lucene索引文件格式介绍

每一个索引段文件包含如下的信息：

域名字、对应域包含的值，一组组域名和对应的域值组成了文档，在搜索返回的结果中就是这些域和域对应的值，每个文档会用一个ID与此对应。

term字典，包含了有多少存有term的文档个数，指向term的频率与位置信息。

Term频率数据，对字典中的每一个term，包含term的文档数，以及一个term在一个文档中出现的次数，如果omitTf=false。

Term位置数据，对字典中的每一个term，term在文档中的存在位置，要注意的是，如果在所有文档中的所有field将omitTf设为了true，那么此项不会存在。

规格化因子，对每个文档中的field，在搜索时为搜索结果增加相同的分数。

Term向量，对每个文档中的field，这个向量可以不存储，主要是用来做搜索时高亮显示用的，它包括term的值以及term频率。

删除的文档，表示哪个文档被标记为删除。

lucene索引中的各文件格式简单介绍如下：

 

索引文件索引文件含义.f(n)规格化文件.fdt包含各个域数据（field的特性）信息.fdx它是指向.fdt文件的指针，填写的是.fdt文件中每个文档的域数据信息的起始位置.fnm各个域的名字信息.frq词元(term)的频率信息.prxTerm在文档中的位置信息.tis包含term数据信息，指向位置文件与频率文件的指针.tii是.tis文件的快表，可以快速定位.tis文件中term数据信息.tvd保存有document信息，用词元向量（TermVector）方式保存field的信息，同时包含一个指针表，表内的指针指向.tvf文件中的field信息.tvf以TermVector方式保存field数据信息.tvx是.tvd的索引文件，保存了指向.tvd指针信息deletable包含要删除的文档信息Segments_N与segments.gen保存了相关段的信息

英文文档见：http://lucene.apache.org/java/3_0_0/fileformats.html

原文地址: lucene索引文件格式介绍