Lucene学习笔记：Lucene的总体结构

Lucene 的构架和过程如下图，

说明Lucene是有索引和搜索的两个过程.

让我们更细一些看Lucene的各组件：

被索引的文档用Document对象表示。

IndexWriter通过函数addDocument将文档添加到索引中，实现创建索引的过程。

Lucene的索引是应用反向索引。

当用户有请求时，Query代表用户的查询语句。

IndexSearcher通过函数search搜索Lucene Index。

IndexSearcher计算term weight和score并且将结果返回给用户。

返回给用户的文档集合用TopDocsCollector表示。

那么如何应用这些组件呢？

让我们再详细到对Lucene API 的调用实现索引和搜索过程。

索引过程如下：

• 创建一个IndexWriter用来写索引文件，它有几个参数，INDEX_DIR就是索引文件所存放的位置，Analyzer便是用来对文档进行词法分析和语言处理的。
• 创建一个Document代表我们要索引的文档。
• 将不同的Field加入到文档中。我们知道，一篇文档有多种信息，如题目，作者，修改时间，内容等。不同类型的信息用不同的Field来表示，在本例子中，一共有两类信息进行了索引，一个是文件路径，一个是文件内容。其中FileReader的SRC_FILE就表示要索引的源文件。
• IndexWriter调用函数addDocument将索引写到索引文件夹中。

搜索过程如下：

• IndexReader将磁盘上的索引信息读入到内存，INDEX_DIR就是索引文件存放的位置。
• 创建IndexSearcher准备进行搜索。
• 创建Analyer用来对查询语句进行词法分析和语言处理。
• 创建QueryParser用来对查询语句进行语法分析。
• QueryParser调用parser进行语法分析，形成查询语法树，放到Query中。
• IndexSearcher调用search对查询语法树Query进行搜索，得到结果TopScoreDocCollector。

以上便是Lucene API函数的简单调用。

然而当进入Lucene的源代码后，发现Lucene有很多包，关系错综复杂。

然而通过下图，我们不难发现，Lucene的各源码模块，都是对普通索引和搜索过程的一种实现。

此图是上一节介绍的全文检索的流程对应的Lucene实现的包结构.

Lucene的analysis模块主要负责词法分析及语言处理而形成Term。

Lucene的index模块主要负责索引的创建，里面有IndexWriter。

Lucene的store模块主要负责索引的读写。

Lucene的QueryParser主要负责语法分析。

Lucene的search模块主要负责对索引的搜索。

Lucene的similarity模块主要负责对相关性打分的实现。

 

这篇文章仍然来自http://blog.csdn.net/forfuture1978/archive/2009/10/30/4745802.aspx。我只是拿过来做了一下排版。向原作者表示感谢。