全文索引----Lucene的总体架构

Lucene总的来说是：

 

1.一个高效的，可扩展的，全文检索库

 

2.全部用Java实现，无须配置。

 

3.仅支持纯文本文件的索引（Indexing）和搜索（Search）。

 

引用一个图

 

 

说明Lucene是有索引和搜索的两个过程，包含索引创建，索引，搜索三个要点

 

更细一点看Lucene的各组件

 

 

1.被索引的文档用Document对象表示。

 

2.IndexWriter通过函数addDocument将文档添加到索引中，实现创建索引的过程。

 

3.Lucene的索引是应用反向索引。

 

4.当用户有请求时，Query代表用户的查询语句。

 

5.IndexSearcher通过函数search搜索Lucene Index

 

6.IndexSearcher计算term weight和score并且将结果返回给用户。

 

7.返回给用户的文档集合用TopDocsCollector表示。

 

那么如果应用这些组件呢？

 

我们再详细对Lucene API的调用实现索引和搜索过程。

 

 

索引创建过程如下：

 

1.创建一个IndexWriter用来写索引文件，它有几个参数，INDEX_DIR就是索引文件所存放的位置，Analyzer便是用来对文档进行词法分

 

析和语言处理的

 

2.创建一个Document代表我们要索引的文档。

 

3.将不同Field加入到文档中。我们知道，一篇文档有多重信息，如题目，做着，修改时间，内容等。不同类型的信息用不同的field来表示，

 

在本例中，一共有两类信息进行了索引，一个是文件路径，一个是文件内容。其中FileReader的SRC_FILE就表示要索引的源文件。

 

4.IndexWriter调用函数addDocument将索引写到索引文件夹中。

 

 

搜索过程如下：

 

1.IndexReader将磁盘上的索引信息读入到内存，INDEX_DIR就是索引文件存放的位置。

 

2.创建IndexSearcher准备进行搜索。

 

3.创建Analyer用来对查询语句进行词法分析和语言处理。

 

4.创建QueryParser调用parser进行语法分析，形成查询语法树，放到Query中。

 

5.IndexSearcher调用search对查询语法树Query进行搜索，得到结果TopScoreDocCollector。

 

以上就是Lucene API函数的简单调用。

 

然而当进入Lucene的源代码后，发现Lucene有很多包，关系错综复杂。

 

引用一张图，我们不能发现，Lucene的各源码模块，都是对普通索引和搜索过程的一种实现。

 

请参造http://www.lucene.com.cn/about.htm 中文章《开放源代码的全文检索引擎Lucene》

 

 

1.Lucene的analysis模块主要负责词法分析及语言处理而形成Term。

 

2.Lucene的index模块主要负责索引的创建，里面有IndexWriter。

 

3.Lucene的store模块主要负责索引的读写。

 

4.Lucene的QueryParser主要负责语法分析。

 

5.Lucene的search模块主要负责对索引的搜索。

 

6.Lucene的similarity模块主要负责对相关性打分的实现。