搜索引擎 - 标签 - bonelee

lucene反向索引——倒排表无论是文档号及词频，还是位置信息，都是以跳跃表的结构存在的

bonelee 2017-02-13 18:08 阅读:1762 评论:0 推荐:1 编辑

lucene正向索引（续）——一个文档的所有filed+value都在fdt文件中！！！

bonelee 2017-02-13 18:00 阅读:790 评论:0 推荐:0 编辑

Choosing a fast unique identifier (UUID) for Lucene——有时间再看下

bonelee 2017-02-13 17:34 阅读:460 评论:0 推荐:0 编辑

Lucene核心数据结构——FST存词典，跳表存倒排或者roarning bitmap 见另外一个文章

bonelee 2017-02-13 16:43 阅读:11136 评论:0 推荐:0 编辑

lucene正向索引（续）——域(Field)的元数据信息在.fnm里，在倒排表里，利用跳跃表，有利于大大提高搜索速度。

bonelee 2017-02-13 16:11 阅读:846 评论:0 推荐:0 编辑

lucene正向索引（续）——每次commit会形成一个新的段，段"_1"的域和词向量信息可能存在"_0.fdt"和"_0.fdx”中

bonelee 2017-02-13 15:54 阅读:905 评论:0 推荐:0 编辑

lucene正向索引——正向信息，Index –> Segments (segments.gen, segments_N) –> Field(fnm, fdx, fdt) –> Term (tvx, tvd, tvf)

bonelee 2017-02-13 15:29 阅读:1003 评论:0 推荐:0 编辑

lucene索引文件格式

bonelee 2017-02-13 15:21 阅读:4350 评论:0 推荐:0 编辑

Poseidon 系统是一个日志搜索平台——认证看链接ppt，本质是索引的倒排列表和原始日志数据都存在HDFS，而文档和倒排的元数据都在NOSQL里，同时针对单个filed都使用了独立索引，使用MR来索引和搜索

bonelee 2017-02-09 12:11 阅读:756 评论:0 推荐:0 编辑

lucene中facet实现统计分析的思路——本质上和word count计数无异，像splunk这种层层聚合（先filed1统计，再field2统计，最后field3统计）lucene是排序实现

bonelee 2017-01-26 10:06 阅读:1241 评论:0 推荐:0 编辑

lucene搜索之facet查询原理和facet查询实例——TODO

bonelee 2017-01-24 15:36 阅读:1849 评论:0 推荐:0 编辑

悟空分词的搜索和排序源码分析之——搜索

bonelee 2017-01-22 20:17 阅读:544 评论:0 推荐:0 编辑

悟空分词的搜索和排序源码分析之——索引

bonelee 2017-01-22 20:17 阅读:652 评论:0 推荐:0 编辑

wukong搜索引擎源码解读

bonelee 2017-01-16 11:21 阅读:631 评论:0 推荐:0 编辑

一些开源搜索引擎实现——倒排使用原始文件，列存储Hbase，KV store如levelDB、mongoDB、redis，以及SQL的，如sqlite或者xxSQL

bonelee 2017-01-09 16:59 阅读:2625 评论:0 推荐:0 编辑

sphinx索引分析续

bonelee 2017-01-05 09:08 阅读:335 评论:0 推荐:0 编辑

sphinx索引分析——文件格式和字典是double array trie 检索树，索引存储 – 多路归并排序，文档id压缩 – Variable Byte Coding

bonelee 2017-01-05 09:07 阅读:788 评论:0 推荐:0 编辑

sphinx索引文件进一步说明——最好是结合lucene一起看，直觉告诉我二者本质无异

bonelee 2017-01-04 17:18 阅读:1909 评论:1 推荐:0 编辑

sphinx 源码阅读之分词，压缩索引，倒排——单词对应的文档ID列表本质和lucene无异也是外部排序再压缩解压的时候需要全部扫描doc_ids列表偏移量相加获得最终的文档ID

bonelee 2017-01-04 17:09 阅读:579 评论:0 推荐:0 编辑

sphinx 源码阅读之分词，压缩索引，倒排——单词对应的文档ID列表本质和lucene无异也是外部排序再压缩解压的时候需要全部扫描doc_ids列表偏移量相加获得最终的文档ID

bonelee 2017-01-04 16:58 阅读:470 评论:0 推荐:0 编辑

将者，智、信、仁、勇、严也。

Hi，我是李智华，华为-安全AI算法专家，欢迎来到安全攻防对抗的有趣世界。

当前标签：搜索引擎

公告

搜索

常用链接

我的标签

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论