zoukankan html css js c++ java

基于.NET的全文索引引擎Lucene.NET

最近我在学习Lucene.net的应用，先在这里向大家介绍一下，Lucene.net是一个高性能的全文检索引擎，而且免费、开源，几乎适合于任何需要全文检索的应用，尤其是跨平台的应用，它由Java下的Lucene移植而来，在Java平台已经得到了广泛的应用。与传统数据库检索相比，Lucene.net具有以下特点：

	Lucene全文索引引擎	数据库
索引	将数据源中的数据都通过全文索引一一建立反向索引	对于LIKE查询来说，数据传统的索引是根本用不上的。数据需要逐个遍历记录进行GREP式的模糊匹配，比有索引的搜索速度要有多个数量级的下降。
匹配效果	通过词元(term)进行匹配，通过语言分析接口的实现，可以实现对中文等非英语的支持。	使用：like "%net%" 会把netherlands也匹配出来，多个关键词的模糊匹配：使用like "%com%net%"：就不能匹配词序颠倒的xxx.net..xxx.com
匹配度	有匹配度算法，将匹配程度（相似度）比较高的结果排在前面。	没有匹配程度的控制：比如有记录中net出现5词和出现1次的，结果是一样的。
结果输出	通过特别的算法，将最匹配度最高的头100条结果输出，结果集是缓冲式的小批量读取的。	返回所有的结果集，在匹配条目非常多的时候（比如上万条）需要大量的内存存放这些临时结果集。
可定制性	通过不同的语言分析接口实现，可以方便的定制出符合应用需要的索引规则（包括对中文的支持）	没有接口或接口复杂，无法定制
结论	高负载的模糊查询应用，需要负责的模糊查询的规则，索引的资料量比较大	使用率低，模糊匹配规则简单或者需要模糊查询的资料量少

全文检索和数据库查询最大的不同在于：让最相关的头100条结果满足98%以上用户的需求

Lucene.net是一套全文检索的开发包而不是实际应用，它已经包含了智能分词、高亮关键字、索引算法等基本构件，只需对其进行简单的二次开发，即可应用在实际项目中。现在大家使用这个Blog的搜索引擎就是基于Lucene.net的。