lucene

Posted 2021-05-28 仰望星空的程序

python可以把float类型二进制转为int类型二进制，转化代码：

 import struct>>> def float2bin(num):...  return ''.join(bin(ord(c)).replace('0b', '').rjust(8, '0') for c in struct.pack('!f', num))... >>> >>> def bin2float(bits):...  return struct.unpack('f',struct.pack('I',int(bits,2)))...

当然, 也可以用Java用以下函数查看一个Float小数的二进制字符串

System.out.println(Integer.toBinaryString(Float.floatToIntBits(3.14f)));

索引是需要分词的，原因是，程序员把索引想象成一个树结构，这种结构在查找上的速度性价比高。而为了存储性价比也一起高，如果一个节点的所有子节点都是符合查找条件的索引，那么就之间存储这个节点了，不存它的叶子节点了。分词就是为了制造这个树结构的每一条分支。

数值类型分词与文本分词不同, 比如整数1, 转换成字节数组后,其值为[60 8 0 0 0 1](注意数组中是16进制, 而非10进制)，其中上一章提到，0x60是SHIFT_START_INT，标识数据类型是int。8对应二进制1000，但是分词是按16进制的步长来切分的，所以不必转为二进制来理解。

lucene源码里有个变量叫precisionStep，用来控制某个数被分词时，每块分词的大小，默认为4；precisionStep越大，每块分词就越大，树就越矮，查找速度就越快，然而查找精度就越低（想象一下极限情况， 就一个根节点和一堆叶子节点。要么存储一个根节点，用户查找然后蹦出一大坨结果，用户大怒，查了等于没查。要么存储一大坨叶子节点，磁盘炸了，运维怒。）precisionStep越小 ，每块分词就越小，树就越高，查找速度就越慢，然而查找精度就越高？其实不是，切分细致到某种程度的时候，再切细，你存储的节点数也不能更少了。所以precisionStep要多测一下，选合适的值。