Lucene搜索引擎类库介绍
Lucene 简介 Lucene 是 Apache 软件基金会的顶级开源项目，是一个用 Java 实现的全文检索类库。它不是一个完整的搜索引擎产品，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎。 发展历史 1997年：Doug Cutting 开始开发 Lucene 2001年：成为 Apache 开源项目 2005年：成为 Apache 顶级项目 现在：广泛应用于各类搜索系统，如 Elasticsearch、Solr 等 核心特性 高性能 倒排索引结构，检索速度快 增量索引，支持实时搜索 索引文件小，压缩率高（约为原文件的 20%-30%） 多线程索引构建，充分利用硬件资源 缓存机制优化，减少 I/O 操作 可扩展性 支持多种数据源：文本、PDF、Word、HTML 等 插件化的文本分析器架构 自定义评分机制（TF-IDF、BM25 等） 字段加权和提升因子 可自定义存储结构 高效的搜索算法 倒排索引（Inverted Index）实现 跳跃表（Skip List）优化 布尔查询优化 短语查询优化 相关度排序算法 核心概念 文档（Document） 索引和搜索的基本单位 由多个域（Field）组成 每个文档都有唯一的文档 ID 支持动态字段和嵌套结构 域（Field） StringField：不分词的字符串字段 TextField：需要分词的文本字段 NumericField：数值类型字段 StoredField：仅存储的字段 自定义字段类型 词项（Term） 索引的最小单位 由域名和词值组成 存储在倒排索引中 支持通配符和模糊匹配 索引结构 段（Segment） 自包含的倒排索引子集 不可变性（Immutable） 定期合并优化 分段搜索和合并 倒排索引组成 ...