Lucene里面Collector

我们先来回顾下，一个基本的搜索流程是怎么完成的
1，得到一个索引目录Directory(可能基于内存的或者磁盘的)。
2，得到一个DirectoryReader。
3，实例化查询组件IndexSearcher。
4，检索得到TopDoc查询结果集
5,遍历ScoresDocs处理结果


我们看下这个检索的流程，大概可以分这5步，前1,2,3算是准备工作，后面的2步是我们经常需要进行数据处理的地方，那么我们Collector到底工作在哪一步呢？，其实Collector真正的起作用是在3-4步之间的。

那么Collector的作用是干什么的？为什么需要使用Collector？

在这之前先分析下TopDocs这个类，这个类的工作原理，其实在后台使用的也是一个收集器，收收集我们检索的结果，通过TopDocsCollector这个基类下面的2个子类收集器，来收集一次我们检索的命中数据。
所以collector的作用就是收集某些我们需要定制化的结果集，某些情况下使用collector可以可以极大的提升我们程序的性能，通过collector可以让我们对每一个匹配上的文档做一些特有的定制化操作，当然前提是在我们需要使用的情况下。
下面我们来看下collector基类的几个方法




方法 说明
collect() 检索时，每匹配上一个文档，都会调用此方法
acceptsDocsOutOfOrder() 测试本collector是否能处理无序到达的docid
setScorer(Scorer scorer)  处理检索结果的评分
setNextReader(AtomicReaderContext context)  检索时，在多个索引段结构之间切换的方法



下面我们来看下自定义的一个collector来实现ScoreDoc类的功能,代码如下.




Java代码 复制代码 收藏代码
1.package com.piaoxuexianjing; 
2. 
3.import java.io.IOException; 
4.import java.util.ArrayList; 
5.import java.util.List; 
6. 
7.import org.apache.lucene.index.AtomicReaderContext; 
8.import org.apache.lucene.search.Collector; 
9.import org.apache.lucene.search.ScoreDoc; 
10.import org.apache.lucene.search.Scorer; 
11. 
12./**
13. * @author 三劫散仙
14. * @version 1.0
15. * 
16. * 自定义收集器
17. * 实现评分收集
18. * **/ 
19.public class MyScoreCollector extends Collector { 
20.    //private HashMap<String, String> documents=new HashMap<String, String>(); 
21.    List<ScoreDoc> docs=new ArrayList<ScoreDoc>(); 
22.    private Scorer scorer;//scorer类 
23.    private int docBase;//全局相对段基数 
24.      
25. 
26.    @Override 
27.    public boolean acceptsDocsOutOfOrder() { 
28.        // TODO Auto-generated method stub 
29.        //返回true是允许无次序的ID 
30.        //返回false必须是有次序的 
31.        return true; 
32.    } 
33. 
34.    @Override 
35.    public void collect(int arg0) throws IOException { 
36.        /**
37.         * 匹配上一个文档
38.         * 就记录其docid与打分情况
39.         * 
40.         * */ 
41.        docs.add(new ScoreDoc(arg0+docBase,scorer.score()));// 
42.    } 
43.//  BinaryDocValues names;//字符类型的内置存储 
44.//  BinaryDocValues bookNames;//字符类型的内置存储 
45.//  BinaryDocValues ids;//字符类型的内置存储 
46.//  BinaryDocValues prices;//字符类型的内置存储 
47.//  FieldCache.Doubles d ; //数值类型的内置存储 
48.//  FieldCache.Ints ints;//数值类型的内置存储 
49.    @Override 
50.    public void setNextReader(AtomicReaderContext arg0) throws IOException { 
51.        this.docBase=arg0.docBase;//记录每个索引段结构的相对位置 
52.    } 
53. 
54.    @Override 
55.    public void setScorer(Scorer arg0) throws IOException { 
56.        // TODO Auto-generated method stub 
57.        this.scorer=arg0;//记录改匹配的打分情况 
58.         
59.    } 
60.     
61.     
62.     
63. 
64.} 


测试类的核心代码



Java代码 复制代码 收藏代码
1.//自定义收集器 
2. MyScoreCollector  scoreCollector=new MyScoreCollector(); 
3.searcher.search(new MatchAllDocsQuery(), scoreCollector); 
4./**
5. * 自定义的收集类，实现效果===>ScoreDocs类
6. * **/ 
7.List<ScoreDoc> s=scoreCollector.docs; 
8.for(ScoreDoc sc:s){ 
9. System.out.println(sc.doc+"===="+sc.score); 
10.} 


输出结果如下



Java代码 复制代码 收藏代码
1.0====1.0 
2.1====1.0 
3.2====1.0 
4.3====1.0 
5.4====1.0 
6.5====1.0 
7.6====1.0 
8.7====1.0 



至此，我们就利用自定义的collector完成了一个简单的收集评分功能，当然我们可以根据自己的业务，来实现各种各样的collector，灵活运用！