Lucene 3.6.0 學習筆記

• Hello Lucene 3.6.0
• CRUD in Lucene 3.6.0
• Number and Date in Lucene 3.6.0
• Advanced Query in Lucene 3.6.0
• Lock in Lucene 3.6.0
• Boost and Norms in Lucene 3.6.0

Number and Date in Lucene 3.6.0

Lucene 早期只有一種文字欄位，當遇到數值類別的資料時，除了精確查詢外，不管是範圍查詢或者是排序都很難用，後來 Lucene 終於在 2.9.0 支援數值欄位，並且衍生支援日期欄位。

建立數值索引是用 NumericField 取代原本的 Field，查詢數值索引時改用 NumericRangeQuery。

另外，除了純數值欄位外，還有一種文數字混合的欄位，也就是字串裡有數值存在，這可以當作是一種文字來處理。

Lock in Lucene 3.6.0

Lucene 更新索引檔的過程：

1. IndexWriter.addDocument() 或 IndexWriter.deleteDocument()
2. Flush Buffered documents - 達到門檻值才會觸發，或者 IndexWriter.commit() 會觸發 flush，或者 IndexWriter.close() 會觸發 IndexWriter.commit()，而 IndexWriter.commit() 再觸發 flush。
3. IndexWriter.prepareCommit()
4. IndexWriter.commit() 或 IndexWriter.rollback()
5. IndexWriter.close()

一個 IndexWriter 與 N 個 IndexReader？

CRUD in Lucene 3.6.0

直接看 code...

Boost and Norms in Lucene 3.6.0

這篇筆記源自於「Norms」這個陌生的字眼，還有「Boost」。

Lucene 查詢結果預設是用 score 做排序，分數愈高的排前面，分數的計算相當複雜，不過有兩個影響分數的因素：

• Field 的值（字串）愈長，得到的分數愈低。
• 使用 Boost 為特定 Document 或 Field 加分。

上面這兩個因素也可以稱為「Norms」，指的就是建立索引檔時的 Field 與 Document Boost 值與 Term 長度會影響分數。

用 TestCase 搭配 RAMDirectory 來測試。

Hello Lucene 3.6.0

Lucene 不是一個應用程式，只是 Library，用來建立與查詢索引。

查詢要快，就要使用索引（Index），就像是書本後面常有的索引表，用索引表來找一個字遠比從書本第一頁找起一定快得多；作為一個 Information Retrieval（IR） Library，除了查詢功能外，還要有建立索引的功能。

建立索引 123

• Document - Document 由一堆 Field 組成，Field 由 name-value 組成，value 就是放索引文字的地方，name 自行定義，Document 可以看成是 Java 的 Map。
• Analyzer - 拆字，將 Document 裡的 Field value 拆成關鍵字。
• IndexWriter - 將關鍵字寫到索引檔，就是 Directory 裡。

查詢索引 123

• IndexSearcher - 用 IndexReader 開啟索引檔  Directory。
• Query - 以關鍵字建立 Query 物件。
• TopDocs - 將 Query 物件丟給 IndexSearch 去做查詢，得到結果 TopDocs。