Lucene學習總結之二：Lucene的總體架構

Lucene總的來說是：

• 一個高效的，可擴展的，全文檢索庫。
• 全部用Java實現，無須配置。
• 僅支持純文本文件的索引(Indexing)和搜索(Search)。
• 不負責由其他格式的文件抽取純文本文件，或從網絡中抓取文件的過程。

在Lucene in action中，Lucene 的構架和過程如下圖，

說明Lucene 是有索引和搜索的兩個過程，包含索引創建，索引，搜索三個要點。

讓我們更細一些看Lucene的各組件：

• 被索引的文檔用Document對象 表示。
• IndexWriter 通過函數addDocument 將文檔添加到索引中，實現創建索引的過程。
• Lucene 的索引是應用反向索引。
• 當用戶有請求時，Query 代表用戶的查詢語句。
• IndexSearcher 通過函數search 搜索Lucene Index 。
• IndexSearcher 計算term weight 和score 並且將結果返回給用戶。
• 返回給用戶的文檔集合用TopDocsCollector 表示。

那麼如何應用這些組件呢？

讓我們再詳細到對Lucene API 的調用實現索引和搜索過程。

• 索引過程如下：
  • 創建一個IndexWriter 用來寫索引文件，它有幾個參數，INDEX_DIR 就是索引文件所存放的位置，Analyzer 便是用來對文檔進行詞法分析和語言處理的。
  • 創建一個Document 代表我們要索引的文檔。
  • 將不同的Field 加入到文檔中。我們知道，一篇文檔有多種信息，如題目，作者，修改時間，內容等。不同類型的信息用不同的Field 來表示，在本例子中，一共有兩類信息進行了索引，一個是文件路徑，一個是文件內容。其中FileReader 的SRC_FILE 就表示要索引的源文件。
  • IndexWriter 調用函數addDocument 將索引寫到索引文件夾中。
• 搜索過程如下：
  • IndexReader 將磁盤上的索引信息讀入到內存，INDEX_DIR 就是索引文件存放的位置。
  • 創建IndexSearcher 準備進行搜索。
  • 創建Analyer 用來對查詢語句進行詞法分析和語言處理。
  • 創建QueryParser 用來對查詢語句進行語法分析。
  • QueryParser 調用parser 進行語法分析，形成查詢語法樹，放到Query 中。
  • IndexSearcher 調用search 對查詢語法樹Query 進行搜索，得到結果TopScoreDocCollector 。

以上便是Lucene API函數的簡單調用。

然而當進入Lucene的源代碼後，發現Lucene有很多包，關係錯綜複雜。

然而通過下圖，我們不難發現，Lucene的各源碼模塊，都是對普通索引和搜索過程的一種實現。

此圖是上一節介紹的全文檢索的流程對應的Lucene實現的包結構。(參照http://www.lucene.com.cn/about.htm 中文章《開放源代碼的全文檢索引擎Lucene》)

• Lucene 的analysis 模塊主要負責詞法分析及語言處理而形成Term 。
• Lucene 的index 模塊主要負責索引的創建，裏面有IndexWriter 。
• Lucene 的store 模塊主要負責索引的讀寫。
• Lucene 的QueryParser 主要負責語法分析。
• Lucene 的search 模塊主要負責對索引的搜索。
• Lucene 的similarity 模塊主要負責對相關性打分的實現。

瞭解了Lucene的整個結構，我們便可以開始Lucene的源碼之旅了。

另：

博客園此文鏈接爲：http://www.cnblogs.com/forfuture1978/archive/2009/12/14/1623596.html

Javaeye此文鏈接爲：http://forfuture1978.javaeye.com/blog/546808