lucene各种文章介绍都有，这篇文章介绍下很多文章不曾说的为什么快，大多文章就是说倒排索引，然后就没然后了，lucene反向索引存储主要有两个文件(所谓反向信息是指词(Term) –> 文档(Document))，词典文件和词典索引文件，版本不同，后缀名称也不同，因为一个索引会包含多个字段，文件实现是按照字段排列实现，这也是为什么段一旦刷到磁盘，不可更改的原因。
词典索引文件是论文fst实现，论文链接：http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.24.3698[http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.24.3698],精确查询时，索引文件锁定大概位置，在搜索词典文件；模糊查询时，索引文件fst会转换 [NFA(不确定的有穷自动机) -> DFA(确定的有穷自动机) 的转换]，这是索引文件存放在内存的原因，这也是一切查询的基石。
lucene实现的是一个基本全文检索引起应该有的功能，用到非常多的算法。
比如索引文件需要存放到内存，就会用到文本压缩、数值压缩，各种编码压缩。
取存储结果用到了数组链表的交集、并集、差集、以及topN二叉堆等。
为了快速定位文档号使用了跳表，获取相似性结果用到了编辑距离。
也用到了到分词器、状态机、空间向量模型等.
但是用到的并发并不是很多，学习并发的同志们建议学习netty。
网友评论