搜索系统19：lucene索引的五个关键知识点

Posted 2021-04-24 中中

1.文件锁是怎么实现的？

org.apache.lucene.store.NativeFSLockFactory

这个write.lock一直为0字节。那它有什么用，怎么判断这个Lock文件就是lucene里定义的锁？如下，判断文件的创建时间是否与之前创建时的时间一致：

代码:org.apache.lucene.store.NativeFSLockFactory.NativeFSLock

2.lucene文件怎么存放int值。

我开始想到的是应该用ObjectOuputStream,深入代码，发现不是这样的。是把int转为4个字节，再存的。
org.apache.lucene.store.DataOutput.writeInt,下面是Java里int与2进制的关系:

所以写int到文件就是写4个字节，如下图。但lucene还有另一种压缩存储方式，这种方式比较特殊，它会把int保存1到5个字节,低位的第一个位都为1。

3.lucene文件怎么存String。

这个设计比较妙，写String时先写个长度再把字符串写进去，这样读String的时候就可以先读出这个长度，就知道下一步要读多长的字节了。

4.索引文件的共有内容。

如上图的多文件结构，每个document都会生成一组文件。除了write.lock文件外，其它文件都有的内容就是header与footer,这两个的格式可以查看org.apache.lucene.codecs.CodecUtil类的writeHeader方法与writeFooter方法，writeFooter方法的最后都是一个CRC（循环冗余校验码）。

5.共有的写文件方法。

索引文件里有各种数据格式，如Int,Long,String。但最终它们都转换成了字节保存，写字节的地方就是org.apache.lucene.store.OutputStreamIndexOutput,其中有两个方法:writeByte与writeBytes,写任何数据都要经过这两个方法。既然这样，我就可以通过分析调用这两个方法的代码，就可以知道整个lucene索引是怎么构建的了。