lucene 搜索学习笔记 - OK
2011-11-09 17:44 yuejianjun 阅读(273) 评论(0) 编辑 收藏 举报索引文件类型：
1 Segments文件。记录索引片断文件的情况。
2.Deletable文件
3.Fields域数据文件（.fnm）。Field的名字都存储在Field信息文件中，后缀是.fnm。
4.存储的Field（.fdx和.fdt）。
Index(.fdx) 对每个文档来说，存储指向它的fields数据（.fdt）的指针（pointer）
Fields Data（.fdt）这个文件存储每个文档的field数据
5.存储的term字典（.tii和.tis）
Term字典使用如下两种文件存储，第一种是存储term信息（TermInfoFile）的文件，即.tis文件
另一种是存储term信息的索引文件，即.tii文件，该文件包含.tis文件中每一个IndexInterval的值，与它在.tis中的位置一起被存储，这被设计来完全地读进内存中（read entirely into memory），以便用来提供随机访问.tis文件。该文件的结构与.tis文件非常相似，只是添加了一项数据，即IndexDelta。
6. Term频率数据（.frq）。Term频率数据文件（.frq文件）存储容纳了每一个term的文档列表，以及该term出现在该文档中的频率（出现次数frequency，如果omitTf设置为fals时才存储）。
7. Positions位置信息数据（.prx）。Positions位置信息数据文件（.prx文件）容纳了每一个term出现在所有文档中的位置的列表。注意如果在fields中的omitTf设置为true时将不会在此文件中存储任何信息，并且如果索引中所有fields中的omitTf都设置为true，此.prx文件将不会存在。
8. Norms调节因子文件（.nrm）
9. Term向量文件。Term向量（vector）的支持是field基本组成中对一个field来说的可选项，它包含如下4种文件： 文档索引或.tvx文件；文档或.tvd文件；域field或.tvf文件。
10.删除的文档 （.del）。删除的文档（.del）文件是可选的，而且仅当一个segment存在有被删除的文档时才存在。即使对一单个segment，它也是维护复合segment的外部数据（exterior）。
11.Lock文件。写锁（write lock）文件名为“write.lock”，它缺省存储在索引目录中
索引过程
1.DocumentsWriter是由IndexWriter调用来负责处理多个文档的类，它通过与Directory类及Analyzer类、Scorer类等将文档内容提取出来，并分解成一组term列表再生成一个单一的segment所需要的数据文件，如term频率、term位置、term向量等索引文件，以便SegmentMerger将它合并到统一的segment中去
2.Lucene中基本的概念（fundamental concepts）是index、Document、Field和term。
1 一条索引文件（index）包含（contains）了多个（a sequence of）文档（documents）。
2 一个文档（document）是由一连串fields组成。
3 一个field是由一连串命名了（a named sequence of）的terms（词）组成。
4 一个term是一个string（字符串）。
注：一个terms（词）对应多个doc的field（字段），通过跳跃表，找到多个terms（词）的并集docID
