lucene

Posted 2021-04-24 拉轰的小怪兽

• lucene

• lucene是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构

• 结构化数据和非结构化数据

• 结构化数据：指具有固定格式或有限长度的数据，如数据库，元数据等。

• 非结构化数据：指不定长或无固定格式的数据，如邮件，word文档等磁盘上的文件

• 非结构化数据查询方法

• 顺序扫描法

• 按顺序查看每一个字符和字符串

• 全文检索

• 将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的

• 这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。

• 先建立索引，再对索引进行搜索的过程就叫全文检索

• Document和Field

• 一般情况下，将一个文件当作一个Doucment,Document中包括一些Field.

• 每个文档都有一个唯一的编号，就是文档id。

• 每个Document可以有多个Field，不同的Document可以有不同的Field，同一个Document可以有相同的Field（域名和域值都相同）

• 倒排索引结构

• 创建索引是对语汇单元索引，通过词语找文档，这种索引的结构叫倒排索引结构。

• 倒排索引结构是根据内容（词语）找文档

• 传统方法是根据文件找到该文件的内容，在文件内容中匹配搜索关键字，这种方法是顺序扫描方法，数据量大、搜索慢。

• 倒排索引结构也叫反向索引结构，包括索引和文档两部分，索引即词汇表，它的规模较小，而文档集合较大。

小怪兽陪你学习的第68天！

长按扫码关注，陪你学习每一天