前言：Lucene是apache老爹开源的一款全文搜索引擎，虽然目前已被市面上一些更好用的搜索引擎逐步替代，但作为搜索引擎的鼻祖，仍然有必要学习一番，而且有了Lucene的基础之后，学习solr，elastichSearch也会更容易理解。

看完本篇，你将了解到Lucene是什么，Lucene的使用场景，原理，什么是倒排索引，如何分词，以及如何使用lucene实战构建简易的搜索引擎等。

---

目录

1.Lucene可以用来做什么？

2.Lucene的原理

3.Lucene的倒排索引

4.Lucene分词

5.Lucene索引建立与窥探

6.Lucene的实际使用

7.索引编辑(更新)

 8.拓展功能

9.总结

---

 

1.Lucene可以用来做什么？

我们知道，传统关系型数据库在数据量大到一定量级后（一般是单表超过500W行或者2G左右），查询速度会变得非常缓慢，也比较吃资源，加上需求中经常会有一些模糊查询，模糊查询可能会导致传统数据库的索引失效，这时候如果再用传统数据库就呵呵了。所以在好的电商系统中，搜素引擎都是标配。通过搜素引擎，可以很好的减轻数据库的读压力。除此之外，像我们熟知的百度，谷歌等搜索大佬，也都有用到搜索引擎，搜索引擎还可以用于搭建文库，总之很强大，可以做很多事情。

2.Lucene的原理

Lucene的原理我说白话一点，就是先把被搜索内容按照一定规则进行分词并存储，生成一个目录，然后把你输入的搜索关键词也进行分词，然后与前面生成的目录中的关键词进行匹配，如果匹配到，就可以快速定位到该被搜索内容的存储位置，从而实现搜索。说简单点就是这样，当然里面有很多细节，先不着急，等看完倒排索引之后你会对Lucene的原理有更深的了解。

如图，比如我搜索了程序员秃头，搜索引擎一般会根据一定的拆分规则，把我输入的“程序员秃头”拆分成:程序员，秃头，头等关键字。然后与爬虫爬取到的大量文档里的关键词进行匹配（这些大量文档会按照一定规则预先分词，建立索引，然后存储起来），如果匹配到了就可以返回给用户了，返回的结果可以对关键词添加一些“高亮”，标红等特效，也可以按照一定规则对搜索结果进行排序。

---

3.Lucene的倒排索引

这里我援引别人已经画好的图来解释下倒排索引，描述也力求简洁，帮助快速理解：

下面第一张图是文档的原始内容和编号，第二张图是建立的倒排索引。

倒排索引的建立步骤：

①先对原始文档中的内容按照一定规则进行分词，至于如何分先不用管，我后面会讲到。

②然后对分词后的单词在原始文档中进行定位，比如“谷歌”在原始文档中的1-5号文档都有出现过，所以谷歌的倒排列表就是：1，2，3，4，5. 其它倒排列表以此类推。

有了这样一套对应列表之后，下次用户如果输入了“网站”这个关键词，系统就可以通过倒排列表快速定位到原始文档中的第5项数据，类似于生成了一本书的一个目录，告诉你几个关键词，可以在目录中快速定位具体的文档在多少页，不用再一页一页翻了。

看到这里你应该明白倒排索引的原理了，可以先思考下为啥叫“倒排”索引，而不是别的名字？

回答这个问题前，先看下什么是正向索引：正向索引建立的关系是由文档->关键词的，也就是给定一篇文档，记录关键词在文档中出现的位置，通过文档来关联关键词的，这种方式在数据量小的情况下完全OK，但互联网这片大海中，文档的量及是宇宙级的，这种方式要扫描的文档驴辈子都扫不完。倒排索引正好是逆向思维，把文档的关键词提取，然后通过关键词取关联文档，这样就极大的减轻了扫描的量级。

关于倒排索引就提这么多，实际上要比这个复杂一些，感兴趣的建议读完之后可以回头来深入研究，以免打断思路，这里直接给出我援引的博主图片的博客地址：

除特别声明，本站所有文章均为原创，如需转载请以超级链接形式注明出处：SmartCat's Blog