zoukankan      html  css  js  c++  java
  • Lucene学习总结之二:Lucene的总体架构

     Lucene总的来说是:

    • 一个高效的,可扩展的,全文检索库。
    • 全部用Java实现,无须配置。
    • 仅支持纯文本文件的索引(Indexing)和搜索(Search)。
    • 不负责由其他格式的文件抽取纯文本文件,或从网络中抓取文件的过程。

    在Lucene in action中,Lucene 的构架和过程如下图,

    [图]Lucene的构架和过程


    说明Lucene 是有索引和搜索的两个过程,包含索引创建,索引,搜索三个要点。

    让我们更细一些看Lucene的各组件:

    [图]Lucene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。

    [图]Lucene API的调用

     

    • 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。(参照http://www.lucene.com.cn/about.htm 中文章《开放源代码的全文检索引擎Lucene》)

    [图]Lucene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。
  • 相关阅读:
    kubespray 容器存储设备 -- rook ceph
    RBAC 基于权限的访问控制 serviceaccount -- clusterRole clusterRoleBinding
    Kubernetes 1.10.4 镜像 版本
    rook 入门理解
    coredns CrashLoopBackOff 报错
    kubespray -- 快速部署高可用k8s集群 + 扩容节点 scale.yaml
    nginx反向代理 强制https请求 + 非root用户起80,443端口
    nginx rewrite flag
    CentOS7下双网卡iptables端口转发规则
    给php安装openssl扩展
  • 原文地址:https://www.cnblogs.com/zhimingxin/p/7772321.html
Copyright © 2011-2022 走看看