一步一步学lucene——(第四步:搜索篇)
来源:互联网 发布:电信上网软件 编辑:程序博客网 时间:2024/04/30 08:50
下面说的主要是lucene如何进行搜索,相比于建索引,搜索可能更能提起大家的兴趣。
lucene的主要搜索的API
下面通过表格来看一下lucene用到的主要的搜索API
类目的IndexSeacher搜索操作的入口,所有搜索操作都是通过IndexSeacher实例使用一个重载的search方法来实现Query(及其子类)具体的Query子类为每一种特定类型的查询进行逻辑上的封装。Query实例被传递到IndexSearcher的search方法中QueryParser将用户输入的(并且可读的)查询表达式处理为一个具体的Query对象TopDocs保持由IndexSearcher.search()方法返回的具有较高评分的顶部文档 ScoreDoc 提供对TopDocs中每条搜索结果的访问接口
对特定项进行搜索
其中IndexSearcher是对索引中文档进行搜索的核心类,我们下面的例子中就会对subject域进行索引,使用的是Query的子类TermQuery。
测试程序如下:
1 public void testTerm() throws Exception { 2 Directory dir = TestUtil.getBookIndexDirectory(); //A 3 IndexSearcher searcher = new IndexSearcher(dir); //B 4 5 Term t = new Term("subject", "ant"); 6 Query query = new TermQuery(t); 7 TopDocs docs = searcher.search(query, 10); 8 assertEquals("Ant in Action", //C 9 1, docs.totalHits); //C10 11 t = new Term("subject", "junit");12 docs = searcher.search(new TermQuery(t), 10);13 assertEquals("Ant in Action, " + //D14 "JUnit in Action, Second Edition", //D15 2, docs.totalHits); //D16 17 searcher.close();18 dir.close();19 }
当然在不同的情况下你可以改变其中的代码来搜索你想要的东西。
解析用户查询
lucene中解析用户的查询需要一个Query对象作为参数。那么也就是将Expression组合成Query的过程,这里边有一个对象叫QueryParser,它将前面传过来的规则的解析成对象然后进行查询。下面我们看下流程是如何处理的:
图:QueryParser对象处理复杂的表达式的过程
下面看一个程序示例,这个是基于lucene 3.0的,在后面的版本中会有所变化。
程序结构如下:
1 public void testQueryParser() throws Exception { 2 Directory dir = TestUtil.getBookIndexDirectory(); 3 IndexSearcher searcher = new IndexSearcher(dir); 4 5 QueryParser parser = new QueryParser(Version.LUCENE_30, //A 6 "contents", //A 7 new SimpleAnalyzer()); //A 8 9 Query query = parser.parse("+JUNIT +ANT -MOCK"); //B10 TopDocs docs = searcher.search(query, 10);11 assertEquals(1, docs.totalHits);12 Document d = searcher.doc(docs.scoreDocs[0].doc);13 assertEquals("Ant in Action", d.get("title"));14 15 query = parser.parse("mock OR junit"); //B16 docs = searcher.search(query, 10);17 assertEquals("Ant in Action, " + 18 "JUnit in Action, Second Edition",19 2, docs.totalHits);20 21 searcher.close();22 dir.close();23 }
其实主要就是A和B两部分,将规则解析成lucene能识别的表达式。
下面的表格中列出了查询表达式的范例:
表达式匹配文档java在字段中包含javajava junitjava or junit在字段中包含java或者junit+java +junit
java and junit在字段中包含java以及junittitle:ant在title字段中包含anttitle:extreme
-subject:sports
title:extreme
AND NOT subject:sports在title字段中包含extreme并且在subject字段中不能包含sports(agile OR extreme) AND methodology在字段中包含methodology并且同时包括agile或者extremetitle:"junit in action"在title字段中包含junit in actiontitle:"junit action"~5包含5次junit和actionjava*包含以java开头的,例如:javaspaces,javaserverjava~包含和java相似的,如lavalastmodified:[1/1/04 TO 12/31/04]在lastmodified字段中值为2004-01-01到2004-12-31中间的
接下来测试一下QueryParser的各个表达式,程序结构如下:
1 public class TestQueryParser { 2 3 public static void main(String[] args) throws Exception { 4 5 String[] id = { "1", "2", "3" }; 6 String[] contents = { "java and lucene is good", 7 "I had study java and jbpm", 8 "I want to study java,hadoop and hbase" }; 9 10 Directory directory = new RAMDirectory();11 IndexWriter indexWriter = new IndexWriter(directory,12 new IndexWriterConfig(Version.LUCENE_36, new StandardAnalyzer(13 Version.LUCENE_36)));14 for (int i = 0; i < id.length; i++) {15 Document document = new Document();16 document.add(new Field("id", id[i], Field.Store.YES,17 Field.Index.ANALYZED));18 document.add(new Field("contents", contents[i], Field.Store.YES,19 Field.Index.ANALYZED));20 indexWriter.addDocument(document);21 }22 indexWriter.close();23 24 System.out.println("String is :java");25 search(directory, "java");26 27 System.out.println("\nString is :lucene");28 search(directory, "lucene");29 30 System.out.println("\nString is :+java +jbpm");31 search(directory, "+java +jbpm");32 33 System.out.println("\nString is :+java -jbpm");34 search(directory, "+java -jbpm");35 36 System.out.println("\nString is :java jbpm");37 search(directory, "java jbpm");38 39 System.out.println("\nString is :java AND jbpm");40 search(directory, "java AND jbpm");41 42 System.out.println("\nString is :java or jbpm");43 search(directory, "java or jbpm");44 }45 46 public static void search(Directory directory, String str) throws Exception {47 IndexSearcher indexSearcher = new IndexSearcher(directory);48 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_34);49 QueryParser queryParser = new QueryParser(Version.LUCENE_34,50 "contents", analyzer);51 Query query = queryParser.parse(str);52 TopDocs topDocs = indexSearcher.search(query, 10);53 ScoreDoc[] scoreDoc = topDocs.scoreDocs;54 for (int i = 0; i < scoreDoc.length; i++) {55 Document doc = indexSearcher.doc(scoreDoc[i].doc);56 System.out.println(doc.get("id") + " " + doc.get("contents"));57 }58 indexSearcher.close();59 }60 }
运行程序就会得到输出结果。
搜索用到的各个类的相互关系
我想看图应该会比较清晰,下面的图比较清晰的组合了程序的结构:
图:搜索用到的各个类的相互关系
搜索结果分页
其实这个所谓的分页跟数据库的分页功能差不多,只是一个是从数据库中读取数据,而一个是从索引文件中找到对应的数据。
在lucene搜索分页过程中,可以有两种方式:
- 一种是将搜索结果集直接放到session中,但是假如结果集非常大,同时又存在大并发访问的时候,很可能造成服务器的内存不足,而使服务器宕机
- 还有一种是每次都重新进行搜索,这样虽然避免了内存溢出的可能,但是,每次搜索都要进行一次IO操作,如果大并发访问的时候,你要保证你的硬盘的转速足够的快,还要保证你的cpu有足够高的频率
而我们可以将这两种方式结合下,每次查询都多缓存一部分的结果集,翻页的时候看看所查询的内容是不是在已经存在在缓存当中,如果已经存在了就直接拿出来,如果不存在,就进行查询后,从缓存中读出来。比如:现在我们有一个搜索结果集 一个有100条数据,每页显示10条,就有10页数据。按照第一种的思路就是,我直接把这100条数据缓存起来,每次翻页时从缓存种读取而第二种思路就是,我直接从搜索到的结果集种显示前十条给第一页显示,第二页的时候,我在查询一次,给出10-20条数据给第二页显示,我每次翻页都要重新查询。
第三种思路就变成了
我第一页仅需要10条数据,但是我一次读出来50条数据,把这50条数据放入到缓存当中,当我需要10--20之 间的数据的时候,我的发现我的这些数据已经在我的缓存种存在了,我就直接存缓存中把数据读出来,少了一次查询,速度自然也提高了很多. 如果我访问第六页的数据,我就把我的缓存更新一次.这样连续翻页10次才进行两次IO操作同时又保证了内存不容易被溢出.而具体缓存设置多少,要看你的服务器的能力和访问的人数来决定。
下面是一个示例程序没有做缓存,缓存的部分可以自己实现,也可以选择ehcache等开源的实现。
程序结构如下:
1 public class TestPagation { 2 3 public void paginationQuery(String keyWord, int pageSize, int currentPage) 4 throws ParseException, CorruptIndexException, IOException { 5 String[] fields = { "title", "content" }; 6 // 创建一个分词器,和创建索引时用的分词器要一致 7 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_36); 8 9 QueryParser queryParser = new MultiFieldQueryParser(Version.LUCENE_36,10 fields, analyzer);11 Query query = queryParser.parse(keyWord);12 13 // 打开索引目录14 File indexDir = new File("./indexDir");15 Directory directory = FSDirectory.open(indexDir);16 17 IndexReader indexReader = IndexReader.open(directory);18 IndexSearcher indexSearcher = new IndexSearcher(indexReader);19 20 // TopDocs 搜索返回的结果21 TopDocs topDocs = indexSearcher.search(query, 100);// 只返回前100条记录22 int totalCount = topDocs.totalHits; // 搜索结果总数量23 ScoreDoc[] scoreDocs = topDocs.scoreDocs; // 搜索返回的结果集合24 25 // 查询起始记录位置26 int begin = pageSize * (currentPage - 1);27 // 查询终止记录位置28 int end = Math.min(begin + pageSize, scoreDocs.length);29 30 // 进行分页查询31 for (int i = begin; i < end; i++) {32 int docID = scoreDocs[i].doc;33 Document doc = indexSearcher.doc(docID);34 int id = NumericUtils.prefixCodedToInt(doc.get("id"));35 String title = doc.get("title");36 System.out.println("id is : " + id);37 System.out.println("title is : " + title);38 }39 40 }41 42 public static void main(String[] args) throws CorruptIndexException, ParseException, IOException {43 TestPagation t = new TestPagation();44 //每页显示5条记录,显示第三页的记录45 t.paginationQuery("RUNNING",5,3);46 }47 48 }
[源码下载]
- 一步一步学lucene——(第四步:搜索篇)
- 一步一步学lucene——(第二步:示例篇)
- 一步一步学lucene——(第三步:索引篇)
- 一步一步学lucene——(第一步:概念篇)
- 一步一步学Repast 第四章——分析SimpleModel
- lucene第二步,lucene搜索
- 一步一步学android控件(之一) —— 开始篇
- 循序渐进学J2Me,第四步
- 一步一步学RMAN第四篇 RMAN备份演练进阶篇
- 一步一步跟我学习lucene(16)---lucene搜索之facet查询查询示例(2)
- 一步一步跟我学习lucene(7)---lucene搜索之IndexSearcher构建过程
- 一步一步跟我学习lucene(11)---lucene搜索之高亮显示highlighter
- 一步一步跟我学习lucene(12)---lucene搜索之分组处理group查询
- 一步一步跟我学习lucene(17)---lucene搜索之expressions表达式处理
- 跟我一步一步学solr6:createIndex 和 搜索篇
- 一步一步学android之事件篇——单击事件
- 一步一步学android之事件篇——焦点事件
- 一步一步学android之事件篇——触摸事件
- 有点烦。。。
- 一步一步学lucene——(第二步:示例篇)
- 一步一步学lucene——(第三步:索引篇)
- 结算工资问题
- 现场编写类似strstr/strcpy/strpbrk的函数
- 一步一步学lucene——(第四步:搜索篇)
- c# XML序列化与反序列化
- ThinkPHP与UCenter整合详解
- Android中调用系统函数查找联系人
- 如何搭建sshpermissions工程
- Mark zuckerberg’s Livejournal Blog Post
- java如何利用google map api V3进行地址解析、反向地址解析
- Ogre导入Ogitor0.5.4场景
- android的国际化和本地化 .