最近两天重新梳理了下lucene的打分算法，是基于1.9版本的（原理一致那么就选个简单的版本来看看，看着也简单利落）。
编辑那些公式什么的也繁琐，就直接贴草稿图吧，偷个懒！
1）打分公式
公式的2、4、5部分只是和query相关，这部分计算在weight中完成！！！
2）构建weight
一下都是对termQuery进行分析，这里构建的也是TermWeight。
weight的属性value为上述公式2、4、5部分的乘积，及query的权重。
打分的过程本来就是query的权重和命中document权重的运算，这里先计算出query的权重，后面的时候交给score完成。这相当于是一个准备的工作！
3）构建scorer
同理这里构建的是：TermScorer
TermScorer有一些比较重要的属性，分别简单解释如下：
weight：参与运算query的等价物weight，他将query数值化；
weightValue：即为weight的值；
TermDocs：命中文档的迭代器；
norms：所有文档的norm值，至于怎么计算没有深入了解了，不过要注意的是他会全部加在到内存；
scoreCache：scoreCache是tf为0至31时，与weightValue相乘的结果的“缓存”，主要是避免重复计算，如果tf在0-31范围内，就可以直接取取了。
4）打分过程
以下是打分的概要过程。细节还需参考源代码！
