西西軟件園多重安全檢測(cè)下載網(wǎng)站、值得信賴的軟件下載站!
軟件
軟件
文章
搜索

首頁(yè)編程開(kāi)發(fā)java → Lucene學(xué)習(xí)總結(jié)之二:Lucene的總體架構(gòu)

Lucene學(xué)習(xí)總結(jié)之二:Lucene的總體架構(gòu)

相關(guān)軟件相關(guān)文章發(fā)表評(píng)論 來(lái)源:forfuture1978時(shí)間:2010/2/22 23:32:16字體大。A-A+

作者:覺(jué)先點(diǎn)擊:296次評(píng)論:11次標(biāo)簽: Lucene

lucene 索引查看工具V4.0 最新版(Luke)
  • 類型:文件處理大。9.8M語(yǔ)言:英文 評(píng)分:3.7
  • 標(biāo)簽:
立即下載

Lucene總的來(lái)說(shuō)是:

  • 一個(gè)高效的,可擴(kuò)展的,全文檢索庫(kù)。
  • 全部用Java實(shí)現(xiàn),無(wú)須配置。
  • 僅支持純文本文件的索引(Indexing)和搜索(Search)。
  • 不負(fù)責(zé)由其他格式的文件抽取純文本文件,或從網(wǎng)絡(luò)中抓取文件的過(guò)程。

在Lucene in action中,Lucene 的構(gòu)架和過(guò)程如下圖,

image

說(shuō)明Lucene是有索引和搜索的兩個(gè)過(guò)程,包含索引創(chuàng)建,索引,搜索三個(gè)要點(diǎn)。

讓我們更細(xì)一些看Lucene的各組件:

lucene  zong ti jia gou

  • 被索引的文檔用Document對(duì)象表示。
  • IndexWriter通過(guò)函數(shù)addDocument將文檔添加到索引中,實(shí)現(xiàn)創(chuàng)建索引的過(guò)程。
  • Lucene的索引是應(yīng)用反向索引。
  • 當(dāng)用戶有請(qǐng)求時(shí),Query代表用戶的查詢語(yǔ)句。
  • IndexSearcher通過(guò)函數(shù)search搜索Lucene Index。
  • IndexSearcher計(jì)算term weight和score并且將結(jié)果返回給用戶。
  • 返回給用戶的文檔集合用TopDocsCollector表示。

 

那么如何應(yīng)用這些組件呢?

讓我們?cè)僭敿?xì)到對(duì)Lucene API 的調(diào)用實(shí)現(xiàn)索引和搜索過(guò)程。

using lucene

  • 索引過(guò)程如下:
    • 創(chuàng)建一個(gè)IndexWriter用來(lái)寫(xiě)索引文件,它有幾個(gè)參數(shù),INDEX_DIR就是索引文件所存放的位置,Analyzer便是用來(lái)對(duì)文檔進(jìn)行詞法分析和語(yǔ)言處理的。
    • 創(chuàng)建一個(gè)Document代表我們要索引的文檔。
    • 將不同的Field加入到文檔中。我們知道,一篇文檔有多種信息,如題目,作者,修改時(shí)間,內(nèi)容等。不同類型的信息用不同的Field來(lái)表示,在本例子中,一共有兩類信息進(jìn)行了索引,一個(gè)是文件路徑,一個(gè)是文件內(nèi)容。其中FileReader的SRC_FILE就表示要索引的源文件。
    • IndexWriter調(diào)用函數(shù)addDocument將索引寫(xiě)到索引文件夾中。
  • 搜索過(guò)程如下:
    • IndexReader將磁盤(pán)上的索引信息讀入到內(nèi)存,INDEX_DIR就是索引文件存放的位置。
    • 創(chuàng)建IndexSearcher準(zhǔn)備進(jìn)行搜索。
    • 創(chuàng)建Analyer用來(lái)對(duì)查詢語(yǔ)句進(jìn)行詞法分析和語(yǔ)言處理。
    • 創(chuàng)建QueryParser用來(lái)對(duì)查詢語(yǔ)句進(jìn)行語(yǔ)法分析。
    • QueryParser調(diào)用parser進(jìn)行語(yǔ)法分析,形成查詢語(yǔ)法樹(shù),放到Query中。
    • IndexSearcher調(diào)用search對(duì)查詢語(yǔ)法樹(shù)Query進(jìn)行搜索,得到結(jié)果TopScoreDocCollector。

以上便是Lucene API函數(shù)的簡(jiǎn)單調(diào)用。

然而當(dāng)進(jìn)入Lucene的源代碼后,發(fā)現(xiàn)Lucene有很多包,關(guān)系錯(cuò)綜復(fù)雜。

然而通過(guò)下圖,我們不難發(fā)現(xiàn),Lucene的各源碼模塊,都是對(duì)普通索引和搜索過(guò)程的一種實(shí)現(xiàn)。

此圖是上一節(jié)介紹的全文檢索的流程對(duì)應(yīng)的Lucene實(shí)現(xiàn)的包結(jié)構(gòu)。(參照http://www.lucene.com.cn/about.htm中文章《開(kāi)放源代碼的全文檢索引擎Lucene》)

clip_image008

  • Lucene的analysis模塊主要負(fù)責(zé)詞法分析及語(yǔ)言處理而形成Term。
  • Lucene的index模塊主要負(fù)責(zé)索引的創(chuàng)建,里面有IndexWriter。
  • Lucene的store模塊主要負(fù)責(zé)索引的讀寫(xiě)。
  • Lucene的QueryParser主要負(fù)責(zé)語(yǔ)法分析。
  • Lucene的search模塊主要負(fù)責(zé)對(duì)索引的搜索。
  • Lucene的similarity模塊主要負(fù)責(zé)對(duì)相關(guān)性打分的實(shí)現(xiàn)。

了解了Lucene的整個(gè)結(jié)構(gòu),我們便可以開(kāi)始Lucene的源碼之旅了。

    相關(guān)評(píng)論

    閱讀本文后您有什么感想? 已有人給出評(píng)價(jià)!

    • 8 喜歡喜歡
    • 3 頂
    • 1 難過(guò)難過(guò)
    • 5 囧
    • 3 圍觀圍觀
    • 2 無(wú)聊無(wú)聊

    熱門(mén)評(píng)論

    最新評(píng)論

    發(fā)表評(píng)論 查看所有評(píng)論(11)

    昵稱:
    表情: 高興 可 汗 我不要 害羞 好 下下下 送花 屎 親親
    字?jǐn)?shù): 0/500 (您的評(píng)論需要經(jīng)過(guò)審核才能顯示)