Lucene 深入学习（2）Lucene简介

桃扇骨 2022-06-07 13:19 335阅读 0赞

**前言：** Lucene和信息检索有什么关系，它又有着哪些独特之处？本节着重介绍Lucene的基本知识。

## Lucene是什么 ##

Lucene是Apache软件基金会Jakarta项目的一个子项目，它是开源、免费、纯Java语言的全文检索工具包。它的原作者Doug Cutting是以为资深的全文检索专家，曾主导了某搜索引擎的研发工作。

## Lucene的优势 ##

Lucene能够如此流行跟它的一些优点是分不开的：

*  索引文件格式跨平台：Lucene定义了一套以8位字节为基础的索引文件格式，使得不同平台的应用能够兼容。
 *  以倒排索引为基础的分块索引：分块索引可以对新的文件建立小文件索引，提升索引速度，然后通过与原有索引的合并，达到优化的目的。
 *  面向对象的系统架构：Lucene基于Java语言，而该语言的使用者众多，上手难度相对较低。
 *  独立语言的分析接口：无论是什么语言，只要实现自己的文本分析器，就可以使用。便于用户扩展新的语言。
 *  默认实现了查询引擎：Lucene默认实现了布尔查询，模糊查询，分组查询等，用户可以方便地使用查询功能。

## Lucene的相关产品 ##

### Compass ###

Campass 是对Lucene搜索引擎在企业应用中的增强。它结合了像Hibernate和Spring等流行的框架，使得在Java程序中使用搜索引擎变得更为容易。

### Nutch ###

Nutch是一个建立在Lucene核心之上的Web搜索的实现，它在lucene的基础上加了网络爬虫和相关的界面部分，使得整个搜索引擎能正常工作。

### Solr ###

Solr是一个高性能，基于Lucene实现的全文搜索服务器。可以通过Http请求来完成查询工作，其上手难度小，检索性能优，是企业中使用广泛。

### ElasticSearch ###

ElasticSearch是一个基于Lucene的搜索服务器。它提供了分布式的能力使得其更加稳定，可靠，是当前流行的企业级搜索引擎。

## Lucene系统结构 ##

Lucene系统由基础封装类，核心搜索类，对外接口三大部分组成。

![这里写图片描述][SouthEast]

目前最新的Lucene已经更新到7.x，但是大部分公司还在使用较低的版本。以我们在用的Lucene 6.0.0版本为例，lucene主要有如下几个包：

<table> 
 <thead> 
  <tr> 
   <th>包名</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>org.apache.lucene.analysis</td> 
   <td>语言分析器，主要用做分词</td> 
  </tr> 
  <tr> 
   <td>org.apache.lucene.codecs</td> 
   <td>提供了一个抽象的编码个解码的倒排索引结构</td> 
  </tr> 
  <tr> 
   <td>org.apache.lucene.document</td> 
   <td>管理索引存储时的文档结构</td> 
  </tr> 
  <tr> 
   <td>org.apache.lucene.index</td> 
   <td>负责索引的创建与删除等</td> 
  </tr> 
  <tr> 
   <td>org.apache.lucene.search</td> 
   <td>用于处理用户的查询请求</td> 
  </tr> 
  <tr> 
   <td>org.apache.lucene.store</td> 
   <td>提供对索引存储的支持</td> 
  </tr> 
  <tr> 
   <td>org.apache.lucene.util</td> 
   <td>包含了一些有用的数据结构和工具类</td> 
  </tr> 
 </tbody> 
</table>

## Lucene 主要逻辑图 ##

Lucene提供了强大的全文检索功能，从功能上做拆分，有可以分为如下两块：

*  文本索引：使用分词器对文本资源进行切分，然后存入索引库。
 *  条件查询：根据用户的查询请求，去索引库找出符合条件的信息。

![这里写图片描述][SouthEast 1]

## Lucene 的查询逻辑 ##

#### AND ####

当两个查询条件都满足时，才认为匹配。例如`Tom AND Jerry`表示文档中都有`Tom`和`Jerry`时才返回。

#### OR ####

两个查询条件只要有一个满足，就认为匹配。例如`Tom OR Jerry`表示文档中含有`Tom`或者`Jerry`或者同时存在时才返回。

#### NOT ####

表示排除某个查询条件。例如`Tom NOT Jerry`表示文档中含有`Tom`并且没有`Jerry`时才返回。

#### 通配符 ? \* ####