NLucene研究系列(1)－概述

Definition

Lucene是Apache软件基金会Jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。
Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。
Lucene的原作者是Doug Cutting，他是一位资深全文索引/检索专家，曾经是V-Twin搜索引擎的主要开发者，后在Excite担任高级系统架构设计师，目前从事于一些Internet底层架构的研究。早先发布在作者自己的http://www.lucene.com/，后来发布在SourceForge，2001年年底成为apache软件基金会Jakarta的一个子项目：http://jakarta.apache.org/lucene/。

NLucene是Lucene在.Net环境中的实现，其基本的原理和架构都是一致的，所以下文讨论的Lucene特性基本都适用于NLucene。因为文件格式等相同，所以Index文件都是通用的。

Advantage

NLucene作为一个全文检索引擎，具有如下突出的优点：

Ø         索引文件格式独立于应用平台。NLucene定义了一套以8位字节为基础的索引文件格式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。

Ø         在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立小文件索引，提升索引速度。然后通过与原有索引的合并，达到优化的目的。

Ø         优秀的面向对象的系统架构，使得对于NLucene扩展的学习难度降低，方便扩充新功能。

Ø         设计了独立于语言和文件格式的文本分析接口，索引器通过接受Token流完成索引文件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。

Ø         已经默认实现了一套强大的查询引擎，用户无需自己编写代码即使系统可获得强大的查询能力，NLucene的查询实现中默认实现了布尔操作、模糊查询（Fuzzy Search）、分组查询等等。