索引学习笔记

一、Index属性介绍

Field.Store.YES或者NO(存储域选项)

YES:将会存储域值，原始字符串的值会保存在索引中，以此可以进行相应的恢复操作，对于主键，标题可以是这种方式存储

NO：不会存储域值，通常与Index.ANAYLIZED合起来使用，索引一些如文章正文等不需要恢复的文档 ， 此时内容无法完全还原(doc.get)

 

Field.Index(索引选项)

Index.ANALYZED:进行分词和索引，适用于标题、内容等

Index.NOT_ANALYZED:进行索引，但是不进行分词，如果身份证号，姓名，ID等，适用于精确搜索

Index.ANALYZED_NOT_NORMS:进行分词但是不存储norms信息，这个norms中包括了创建索引的时间和权值等信息

Index.NOT_ANALYZED_NOT_NORMS:即不进行分词也不存储norms信息

Index.NO:不进行索引

 

使用场景

 

二、索引文件的初步认识：

_0.fdt

_0.fdx

---存储域的值---

 

_0.fnm

---存储域的名称---

 

_0.frq

---分词出现的频率---

 

_0.nrm

---存储评分信息---

 

_0.prx

---位偏移量---

 

_0.tii

_0.tis

---索引信息---

 

 三、索引建立步骤

1、创建Directory

 

Directory directory = FSDirectory.open(new File("D:/test/index01"));

   

 

2、创建Writer

 

IndexWriter writer = new IndexWriter(directory, 
new IndexWriterConfig(Version.LUCENE_35,new StandardAnalyzer(Version.LUCENE_35)));

   

 

3、创建文档并且添加索引

文档和域的概念很重要

 

文档相当于表中的每一条记录，域相当于表中每一个字段

 

Document document = null;

Collection<File> files = FileUtils.listFiles(new File("D:/test/lucene"),FileFileFilter.FILE, null);
for (File file : files) {
	document = new Document();
	document.add (new Field ("content ", new FileReader(file)));
	   //域名可以重复使用，在 使用 的时候 这样取出，doc.getValues("content")[1]
	   document.add (new Field ("content ", "可以再次放置一些内容"); 
	document.add(new Field("filename", file.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED));
	document.add(new Field("path", file.getAbsolutePath(), Field.Store.YES,Field.Index.NOT_ANALYZED));//是否存储路径，是否进行分词
	
	writer.addDocument (document);
}

 

 

4、查询索引的基本信息

 

IndexReader reader = IndexReader.open(directory);
//通过reader可以有效的获取到文档的数量
System.out.println("numDocs:" + reader.numDocs() );//可以使用的文档数量
System.out.println("maxDocs:" + reader.maxDoc() );//所有的文档数量，包括被删除的文档
System.out.println("deleteDocs:" + reader.numDeletedDocs() );//被删除的文档数量 
reader.close();

 

 

5、删除索引

//参数是一个选项，可以是一个Query，也可以是一个term，term是一个精确查找的值
//此时删除的文档并不会被完全删除，而是存储在一个回收站中的，可以恢复 
writer.deleteDocuments (new Term ("id", "1"));
writer.commit();

 

6、恢复删除

 

try {
	//恢复时，必须把IndexReader的只读(readOnly)设置为false
	IndexReader reader = IndexReader.open(directory, false); 
	reader.undeleteAll ();
	reader.close();
}

 

7、强制删除，相当于删除回收站里面的，彻底删除了

writer = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35)));
writer.forceMergeDeletes ();

 

8、优化和合并索引

 

writer = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35)));
//会将索引合并为2段，这两段中的被删除的数据会被清空
//特别注意：此处Lucene在3.5之后不建议使用，因为会消耗大量的开销，
//Lucene会根据情况自动处理的 
writer.forceMerge (2);

 

9、更新索引

writer = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_35,
	new StandardAnalyzer(Version.LUCENE_35)));
/*
 * Lucene并没有提供更新，这里的更新操作其实是如下两个操作的合集
 * 先删除之后再添加
 */ 
Document doc = new Document();
doc.add(new Field("id", "11", Field.Store.YES, Field.Index.NOT_ANALYZED_NO_NORMS));
doc.add(new Field("email", emails[0], Field.Store.YES, Field.Index.NOT_ANALYZED));
doc.add(new Field("content", contents[0], Field.Store.NO, Field.Index.ANALYZED));
doc .add(new Field("name", names[0], Field.Store.YES, Field.Index.NOT_ANALYZED_NO_NORMS));
writer.updateDocument(new Term("id", "1"), doc);
//会把原来id=1的那个文档删掉，新增id=11的那个文档