Lucene4.3开发之第三步之温故知新(三)

    本篇就对lucene的基本知识进行一个总结，以便于加深对lucene基本api组件的理解。

1、IndexWriter：是索引过程的核心类，主要负责创建索引或者打开已有索引，提供索引的增删改等操作。

2、IndexWriterConfig：这个api在低版本的lucene中是没有此配置类的，这个类也比较重要，使用此类则需要在其构造方法中传入2个参数，第一个参数是lucene当前的版本号，第二个是索引使用的分词器，除了这个我们最常用的功能，里面还提供了大量工具方法，例如，设置内存里缓冲大小，以及是否开启复合索引的等等一系列，可以对索引做一些基本的配置优化等信息。

3、Directory：这个类代表了lucene索引的存放位置，是一个抽象类，它有一系列子类可以用来处理索引，使用不同的子类对于系统的性能，影响会很大，但归其本质上，提升性能，无非就拿空间换时间，或拿时间换空间两种情况，在具体使用时，我们可以使用其子类来获取索引所在的存储路径，然后将其传给IndexWriter类构造方法里。

4、Analyzer：这个类也是所有分析器的基类，文本文件在索引前，需要经过分析器处理，处理成对的语汇单元，统一格式，它能提取有效的信息，过滤掉一些禁用词。lucene自带有几个分析器，但大部分都是对英文或欧洲语言处理的，如果想要使用中文的分词器，可以使用自带的SmartCN分词器，也可以使用开源IK、messeg4j等等，选择什么样的分词器是索引过程中很重要的一步，这个关键还得看自己的业务需求。

5、Document：代表一个文档的意思，类似于数据库的一行记录，我们可以向文档中，添加自己想要的域字段，然后把一个个文档索引起来，提供检索。

6、Field：就是文档中存储的域，每一个域都有一个域名和域值，这就类似数据库的字段名跟值一样，我们可以使用Field来精确控制各个域的值，最常使用的有2个Field，一个是不提供分词的StringField和另一个分词的TextField，当然还有其他的一些Field。

7、IndexReader：这个类用来获取Directory的子类打开的索引文件流，然后将进IndexSearch的构造方法里，进行查询组件的初始化操作，这个类再低版本的lucene里也是不存在的，在后来新的版本里才添加的类。

8、IndexSearch：这个类是程序搜索期间的核心类，是连接索引的桥梁，它是以只读的方式进行索引，提供大量的检索，排序，过滤的等等以及其他的一些功能。

9、QueryParser或Query：都可以完成一些检索功能，不同的是QueryParser提供的功能更为强大，方便自定义开发的一些检索方法，而Query及其麾下的一系列子类是Lucene中自带的一些API，使用这些API，大部分情况下都可以完成一些基本的检索，如果需要定制化自己的检索方案则需要使用QueryParser，大多数情况下，我们最常使用的是Query下面的TermQuery子类，当然还有其他大量的特定功能的Query子类存在。

10、TopDocs：这个类是一个简单的容器指针，它一般会记录前N个检索的结果，在TopDocs中，它只会存储这个文档的docid以及获取的得分情况，另外这前N个结果，默认的排序方式，是按照得分的大小排列的。

11、ScoreDoc类通常我们使用的是一个数组，它里面也只会包含这个文档的docid以及获取的得分情况，与TopDocs不同的是，我们可以使用这个类，来进行类似数据库的分页操作，当然你得保证你有足够的内存，如果是海量数据的分页，这个操作很容易造成内存溢出，这时候我们就需要考虑其他方法了。 

12、Term类是搜索功能最基本的单元，与Field类似，检索的时候需要传入域名及检索的字符串，是一个小而不可或缺的精简类。