Apache Lucene 8.0.0 发布，Java 全文搜索引擎

清疚 2022-02-13 05:49 73阅读 0赞

[百度智能云 云生态狂欢季 热门云产品1折起>>>][_ _1]  ![hot3.png][]

Lucene PMC [宣布推出][Link 1] Apache Lucene 的最新版本 8.0.0，可在生产环境中使用。

Lucene 是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎、部分文本分析引擎。目的是为软件开发人员提供一个简单易用的工具包，以方便地在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。

**新版本的亮点包括：**

#### **查询执行** ####

新版本对术语查询、短语查询和布尔查询进行了优化，在不需要总点击数的时候，可以有效地跳过不具竞争性的文档。根据实际查询和数据分布的不同，查询的速度会在慢几个百分点和快几倍之间变化，对术语查询和纯粹析取（pure disjunctions）来说更是如此。

为配合这个改进，一些 API 做了改动：

*  `TopDocs.totalHits` 现在是一个能给出实际点击数下限的对象。

*  `IndexSearcher` 的 `search` 和 `searchAfter` 方法可以精确地计算总点击数，现在最大值只能可达 1,000，以便查询优化的默认启用。
 *  现在需要查询才能产生非负分数。

#### **编解码器** ####

*  发布当下的索引得分，会影响到附带的的跳过数据（skip data）。这也是在点击计数不需要的情况下，术语查询对热门点击集合进行优化的方式。
 *  Doc 值引入了跳转表，以便可以不中断地运行，这对稀疏字段来说有很大作用。
 *  现在术语索引 `FST` 会在堆外加载使用 `MMapDirectory` 的非主键字段，从而减少这些字段的堆使用。

#### **自定义评分** ####

新的 `FeatureField` 允许将诸如 pagerank 的静态特征有效地集成到分数中，并且新的 `LongPoint#newDistanceFeatureQuery` 和 `LatLonPoint#newDistanceFeatureQuery` 方法可以分别从新近度（recency）和地理距离来提升分数。这些新帮手针对不需要总点击数的情况进行了优化。举个例子，如果 pagerank 在您的分数中有着高的权重，那么 Lucene 往往能跳过低 pagerank 值的文档。

具体更新信息可查阅[更改日志][Link 2]

下载地址：[http://lucene.apache.org/core/downloads.html][http_lucene.apache.org_core_downloads.html]

[_ _1]: https://cloud.baidu.com/campaign/CreateFuture-2019/index.html?track=cp:dsp%7Cpf:pc%7Cpp:chui-kaiyuanzhongguo-huodong-19kuanghuanji-BCC-zixunxiangqingyewenzilian-190424%7Cpu:zixunxiangqingyewenzilian%7Cci:2019khj%7Ckw:2116247
[hot3.png]: /images/20220213/c31ea8396ecb481d9c57f648971efe9d.png
[Link 1]: http://lucene.apache.org/#14-march-2019-apache-lucene-800-and-apache-solr-800-available
[Link 2]: https://lucene.apache.org/core/8_0_0/changes/Changes.html
[http_lucene.apache.org_core_downloads.html]: http://lucene.apache.org/core/downloads.html