lucene读取索引文件到内存-源码解析

1.抛出问题：

lucene索引保存在倒排表文件中，那么lucene是如何将这些索引数据读取到内存中的呢？

2.环境说明：

首先需要说明下我的源码环境：我用的是lucene4,然后codec用的是SimpleTextCodec，这个codec的作用是格式化索引，把“黑箱”的索引格式转化成我们可以看得懂的格式，比如,用了SimpleTextCodec以后，我的倒排表文件的后缀是".pst"，然后具体的索引内容如图：；解释下，我索引了一个文档，有两个域：content和title,其他的相信你肯定能看懂是什么意思。

3.lucene读取索引源码解析

启动搜索后，第一次搜索会比较慢！这个是lucene自己说的，而且事实也是如此，相信没人会怀疑，但是为什么会这样呢？就是因为第一次搜索的时候需要将索引从文件读入内存!

具体的过程如下：还是以上图表示的索引来说明，这份索引有两个域：content和title，如果现在我只搜索title域，用代码表示类似：

当我们第一次调用search方法的时候，内部会有个loadTerms()方法，就是这个方法用来读取索引文件的，具体源代码如图：

这里需要注意的是：不是加载所有的索引，而是加载搜索指定的域，因此我上面特别指定了只搜索title域。好了，想想lucene读取索引文件内容到内存需要的几个东西，

1.索引文件，即图中的“in”输入流，这个是已知的，因为在初始化的时候就需要指定索引目录；

2."field",即域名，这个也是已知的，因为搜索的时候必须指定，

3.termsStart,这个就是“未知”的了，我们怎么知道哪个域在索引文件的哪个位置呢？这个值肯定是有的，具体方法的源码如图：

显然，在loadTerms()方法之前，就预先将域名和此域在文件中的位置处理了，在调用loadTerms()方法时，只需

在缓存中获取这个位置,这里的fp从字母意思就可以知道是field position的缩写。

接下来估计你也知道了，完全就是文件I/O操作了，源码如图：

（上图的“自己”写错了，是字节）从索引文件中不断的读取字节数组，直到将这个域的所有terms读取完。

好了，以上就是lucene读取索引文件到内存的概要过程，注意这里我只是关注概要过程，有很多细节是没有关注的！而且源码的截图是不完整的，但是却能说明问题。