小记一些Lucene系搜索引擎的实用技巧

1. 排序是在获取文档docidset之后的操作，这时会通过id获取排序字段的docvalues。对于需要排序，分组的字段，尽量使用启用docvalues来加速排序，而且docvalues是建立在磁盘上的，使用的是文件系统的缓存，并不会占用jvm的内存，能合理利用计算机的资源。
2. 请尽量使用数值类型的字段进行排序。
3. 对于store和docvalues，虽然两者都能存储字段的值，但是我这里强烈建议，尽量不要对只需要存储的字段用docvalues来进行存储。因为docvalues中设计了几种不同的数据结构，对于字符串类型的docvalues，在lucene的底层的使用中，会有一个originalmap来做值和文档的映射，如果docvalues中的值特别多，尤其是绝大多数都不重复的情况下，重建这个map的性能消耗特别大。而且docvalues是面向列的，store本质还是行的。所以结合上述，从使用的角度去考虑，在存储需求的情况下请尽量使用store。
4. 如果有些功能需要用到级联的查询，可以自己写一个相应规则的分词器，以满足不同规则的搜索需求。比如有时候需要省市区县的级联查询，这样呢，我们可以定义好一种数据结构来进行标记，可以用前两位表示省级地区，比如01代表北京，02代表河北，0201代表河北石家庄市，020101代表石家庄市新华区，这样的话我们就能能按照这样的规则进行分词，将020101拆成三个部分02，0201，020101这样在索引中就会索引三个term，每个级别的term都能查询出相应的结果，也不需要在搜索的时候进行更多的操作。
5. 不要把Lucene及其衍生引擎作为一个实时的存储数据库使用。
6. 索引文件是不可变的，只能合并。
7. 删除文档时只是标记为删除，只有合并段的时候才会真正的删除。所以更新频繁的情况下，可能占用更多的磁盘空间。