lucene是乙個全文搜尋框架，而不是應用產品。因此它並不像 或者google desktop那麼拿來就能用，它只是提供了一種工具讓你能實現這些產品。
1.2 lucene能做什麼
1.3 你該不該選擇lucene
下面給出一些測試資料，如果你覺得可以接受，那麼可以選擇。
測試一：250萬記錄，300m左右文字，生成索引380m左右，800執行緒下平均處理時間300ms。
測試二：37000記錄，索引資料庫中的兩個varchar欄位，索引檔案2.6m，800執行緒下平均處理時間1.5ms。
2 lucene的工作方式
2.1寫入流程
源字串首先經過analyzer處理，包括：分詞，分成乙個個單詞；去除stopword（可選）。
將源中需要的資訊加入document的各個field中，並把需要索引的field索引起來，把需要儲存的field儲存起來。
將索引寫入儲存器，儲存器可以是記憶體或磁碟。
2.2讀出流程
使用者根據需要從找到的document中提取需要的field。
3 一些需要知道的概念
lucene用到一些概念，了解它們的含義，有利於下面的講解。
3.1 analyzer
analyzer 是分析器，它的作用是把乙個字串按某種規則劃分成乙個個詞語，並去除其中的無效詞語，這裡說的無效詞語是指英文中的「of」、 「the」，中文中的 「的」、「地」等詞語，這些詞語在文章中大量出現，但是本身不包含什麼關鍵資訊，去掉有利於縮小索引檔案、提高效率、提高命中率。
分詞的規則千變萬化，但目的只有乙個：按語義劃分。這點在英文中比較容易實現，因為英文本身就是以單詞為單位的，已經用空格分開；而中文則必須以某種方法將連成一片的句子劃分成乙個個詞語。具體劃分方法下面再詳細介紹，這裡只需了解分析器的概念即可。
3.2 document
使用者提供的源是一條條記錄，它們可以是文字檔案、字串或者資料庫表的一條記錄等等。一條記錄經過索引之後，就是以乙個document的形式儲存在索引檔案中的。使用者進行搜尋，也是以document列表的形式返回。
3.3 field
乙個document可以包含多個資訊域，例如一篇文章可以包含「標題」、「正文」、「最後修改時間」等資訊域，這些資訊域就是通過field在document中儲存的。
field有兩個屬性可選：儲存和索引。通過儲存屬性你可以控制是否對這個field進行儲存；通過索引屬性你可以控制是否對該field進行索引。這看起來似乎有些廢話，事實上對這兩個屬性的正確組合很重要，下面舉例說明：
還是以剛才的文章為例子，我們需要對標題和正文進行全文搜尋，所以我們要把索引屬性設定為真，同時我們希望能直接從搜尋結果中提取文章標題，所以我們把標題域的儲存屬性設定為真，但是由於正文域太大了，我們為了縮小索引檔案大小，將正文域的儲存屬性設定為假，當需要時再直接讀取檔案；我們只是希望能從搜尋解果中提取最後修改時間，不需要對它進行搜尋，所以我們把最後修改時間域的儲存屬性設定為真，索引屬性設定為假。上面的三個域涵蓋了兩個屬性的三種組合，還有一種全為假的沒有用到，事實上field不允許你那麼設定，因為既不儲存又不索引的域是沒有意義的。
3.4 term
term是搜尋的最小單位，它表示文件的乙個詞語，term由兩部分組成：它表示的詞語和這個詞語所出現的field。
3.5 tocken
tocken是term的一次出現，它包含trem文字和相應的起止偏移，以及乙個型別字串。一句話中可以出現多次相同的詞語，它們都用同乙個term表示，但是用不同的tocken，每個tocken標記該詞語出現的地方。
3.6 segment
新增索引時並不是每個document都馬上新增到同乙個索引檔案，它們首先被寫入到不同的小檔案，然後再合併成乙個大索引檔案，這裡每個小檔案都是乙個segment。
Lucene學習總結之七 Lucene搜尋過程解析
本系列文章將詳細描述幾乎最新版本的lucene的基本原理和 分析。其中總體架構和索引檔案格式是lucene 2.9的，索引過程分析是lucene 3.0的。鑑於索引檔案格式沒有太大變化，因而原文沒有更新，原理和架構的文章中引用了前輩的一些圖，可能屬於早期的lucene，但不影響對原理和架構的理解。本...
PureMVC學習筆記之基礎概念
首先看看兩者的區別 mvc mode view controller puremvc mvc proxy mediator command facade 接著小心推敲各自的職責 model proxy model儲存對proxy物件的引用，proxy負責運算元據模型，與遠端服務通訊訪問資料。這樣保證...
機器學習之基礎概念串講
機器學習的本質 利用樣本資料，借助各種機器學習方法，找到乙個從變數x到y的對映函式f，並用對映函式f來 測試樣本的標籤值。邏輯回歸 即線性回歸，它是一種線性擬合演算法，可以簡單理解為，通過樣本資料，找到相應的線性函式對映，即截距項的值和斜s值。擬合樣本資料的思想 求能夠使最小二乘項 損失函式 取得最...