使用Luke Lucene进行索引

目录

1. luke 简介
2. luke下载及安装
3. luke 使用

• 打开luke
• Overview选项卡
• Documents选项卡
• search选项卡
• Commits选项卡
• Plugins选项卡
• 导出索引为XML
• 检查索引正确性

4. 总结

1. luke 简介

luke###

是一个用于Lucene/Solr/Elasticsearch 搜索引擎的，方便开发和诊断的 GUI（可视化）工具。它有以下功能：

• 查看文档并分析其内容（用于存储字段）
• 在索引中搜索
• 执行索引维护：索引运行状况检查；索引优化（运行前需要备份）
• 从hdfs读取索引
• 将索引或其部分导出为XML格式
• 测试定制的Lucene分析工具
• 创建自己的插件

根据索引搜索的流程

来源：[Lucene(使用 Luke 查看索引) ](https://hacpai.com/article/1472637616329?m=0)

2. luke 下载及安装

官方下载地址：https://github.com/DmitryKey/luke/releases

最新版本是 luke - 6.5.0，发布于2017年5月。
luke - 6.5.0 - luke - release.zip包含luke的可执行文件和打包好的jar包，可以通过双击luke.bat/luke.sh直接运行在Windows/Mac平台打开可视化界面。
Source code包含luke的Maven项目的源代码。

由于 luke 的兼容性不太好，不同版本的 Lucene 生成的索引要使用对应版本的luke 进行分析，如果版本过低会导致无法正确解析索引。

3. luke 使用

打开luke

在Windows系统下，双击打开luke.bat，启动Luke。选择需要处理的索引位置，点击OK导入索引。

选择需要处理的索引位置

这些是我从solr中拿到的索引文件

Lucene索引文件

Overview选项卡

导入成功

图中，1处显示了统计结果，有1000个Document，17个Field，一共有17807个分词
2处统计了所有的Field，每个Field所包含的分词个数，百分比和编码格式。
3处是索引的详细信息，统计了每个分词出现的词频，以及对应的Field名字。

Documents选项卡

document选项卡用于文档的增删查改，下方的表格就像数据表一样，为我们展示每一个文件的具体数据，我们可以根据文档编号来查找文件。

Document

点击Add按钮新增Document；点击Recoonstruct&Edit来更改当前Document的值与属性。

修改document内容
在这里可以查看所选择的field的值。这里也可以相当于搜索功能。
选择要查看的field的值

Search选项卡

在这个界面可以进行索引的搜索测试，构造lucene的搜索语句，选择匹配的field字段，并执行查询。也可以选择进行索引的分词器，设置默认字段和重复搜索次数，设置限制查询时间及匹配个数、是否可以模糊匹配、选取哪种相似度的匹配模式、是否选用XML Query模式，还可以查看查询花费的时间等。

Commits选项卡

Comments选项卡用于查看每个索引文件的大小及相关属性，用于分析索引文件是否需要优化及合并等。

comments选项卡

Plugins选项卡

这个页面是luke提供的各种插件，其中，Analyser Tool提供了一些分词的类，如图为luke分词的一个示例。Hadoop插件支持Hadoop（ 0.20.1）的任何文件系统打开索引。

Scripting Luke提供了一个JavaScript的交互式Shell，可以在help查看具体使用方法。

Scripting Luke
Custom Similarity用于设计自定义相似性的插件
Custom Similarity
Vocabulary Analysisi Tool是一个表示索引词汇增长的工具。

Zipf distribution是用于显示术语流行度发行的工具

导出索引为xml

Tools->export Index to XML将索引导出为xml格式。

index导出为xml
基本信息

<?xml version='1.0' encoding='UTF-8'?>
<index>
<info>
 <indexPath>F:\luke\testjson\index</indexPath>
 <fields count='17'>
  <field name='_key'/>
  <field name='_text_'/>
  <field name='_type'/>
  <field name='_version_'/>
  <field name='id'/>
  <field name='img'/>
  <field name='level'/>
  <field name='location'/>
  <field name='materials'/>
  <field name='measurement_size'/>
  <field name='measurement_volumne'/>
  <field name='museum_name'/>
  <field name='name'/>
  <field name='number_museum'/>
  <field name='number_system'/>
  <field name='productionDynasty'/>
  <field name='propertyType'/>
 </fields>
 <numDocs>1000</numDocs>
 <maxDoc>1000</maxDoc>
 <numDeletedDocs>0</numDeletedDocs>
 <numTerms>17807</numTerms>
 <hasDeletions>false</hasDeletions>
 <lastModified>N/A</lastModified>
 <indexVersion>6</indexVersion>
 <indexFormat>
  <genericName>Lucene 5.3 or later</genericName>
  <capabilities>flexible, codec-specific</capabilities>
 </indexFormat>
<directoryImpl>org.apache.lucene.store.SimpleFSDirectory</directoryImpl>

部分索引内容

<field name='level' flags='Id----S-------Dsrtset----'>
<val>一级</val>
</field>
<field name='location' flags='Id----S-------Dsrtset----'>
<val>甘肃省张掖市肃南裕固族自治县</val>
</field>
<field name='materials' flags='Id----S-------Dsrtset----'>
<val>丝</val>
</field>
<field name='measurement_size' flags='Id----S-------Dsrtset----'>
<val>肩宽1.4，腰围宽1.5</val>
</field>
<field name='museum_name' flags='Id----S-------Dsrtset----'>
<val>肃南县民族博物馆</val>
</field>
<field name='name' flags='Id----S-------Dsrtset----'>
<val>乾隆御赐黄龙袍</val>
</field>
<field name='number_museum' flags='Id----S---#i64Dsrtset----'>
<val>62072121800001</val>
</field>
<field name='number_system' flags='Id----S---#i64Dsrtset----'>
<val>9223372036854775807</val>
</field>
<field name='productionDynasty' flags='Id----S-------Dsrtset----'>
<val>清(1616~1911)</val>
</field>

检查索引正确性

Tools->check Index Tool进行索引检查

4. 总结

通过使用luke 对索引进行分析，我对索引有了更加深刻的理解和认识。luke的功能很全面。对于索引文件方面，我们可以通过使用luke检查索引的正确性，分析索引文件并进行修改和优化，将索引文件转换为易于阅读的XML格式，并且更直观地看到我们的documents；对于分词方面，luke可以加载分词包进行分词，进行词频统计及词汇增长统计，以及术语流行度统计等；对于搜索引擎，我们在构造查询语句之前，可以先使用luke进行查询语句校验，分析查询效率，更好地进行查询优化，这些对于设计一个更优秀的搜索引擎是很有必要的。
参考链接：
http://www.kailing.pub/article/index/arcid/74.html
Luke:Lucene索引查看工具