一、Lucene基本介紹：
基本信息：Lucene 是 Apache 軟件基金會的一個開放源代碼的全文檢索引擎工具包，是一個全文檢索引擎的架構(gòu)，提供了完整的查詢引擎和索引引擎，部分文本分析引擎。Lucene 的目的是為軟件開發(fā)人員提供一個簡單易用的工具包，以方便的在目標(biāo)系統(tǒng)中實現(xiàn)全文檢索的功能，或者是以此為基礎(chǔ)建立起完整的全文檢索引擎。
文件結(jié)構(gòu)：自上而下樹形展開，一對多。
索引Index：相當(dāng)于庫或者表。
段Segment:相當(dāng)于分庫或者分表。
文檔Document:相當(dāng)一條數(shù)據(jù) ，如小說吞噬星空
域Field：一片文檔可以分為多個域，相當(dāng)于字段，如：小說作者，標(biāo)題，內(nèi)容。。。
詞元Term:一個域又可以分為多個詞元，詞元是做引搜索的最小單位，標(biāo)準(zhǔn)分詞下得詞元是一個個單詞和漢字。
正向信息：
索引->段->文檔->域->詞
反向信息：
詞->文檔?！?/p>
二、Lucene全文檢索：
1、數(shù)據(jù)分類：
結(jié)構(gòu)化數(shù)據(jù)：數(shù)據(jù)庫，固定長度和格式的數(shù)據(jù)。
半結(jié)構(gòu)化數(shù)據(jù)：如xml,html,等..。
非結(jié)構(gòu)化數(shù)據(jù)：長度和格式都不固定的數(shù)據(jù)，如文本...
2、檢索過程：Luncene檢索過程可以分為兩個部分，一個部分是上圖左側(cè)結(jié)構(gòu)化，半結(jié)構(gòu)化，非結(jié)構(gòu)化數(shù)據(jù)的索引建立過程，另一部分是右側(cè)索引查詢過程。
索引過程：
有一系列被索引文件
被索引文件經(jīng)過語法分析和語言處理形成一系列詞(Term)。
經(jīng)過索引創(chuàng)建形成詞典和反向索引表。
通過索引存儲將索引寫入硬盤/內(nèi)存。
搜索過程：
用戶輸入查詢關(guān)鍵字。
對查詢語句經(jīng)過語法分析和語言分析得到一系列詞(Term)。
通過語法分析得到一個查詢樹。
通過索引存儲將索引讀入到內(nèi)存。
利用查詢樹搜索索引，從而得到每個詞(Term)的文檔鏈表，對文檔鏈表進(jìn)行交，差，并得到結(jié)果文檔。
將搜索到的結(jié)果文檔對查詢的相關(guān)性進(jìn)行排序。
返回查詢結(jié)果給用戶。
