搜索引擎系列五：Lucene索引詳解（IndexWriter詳解、Document詳解、索引更新）

阿新 • • 發佈：2018-05-12

let integer 自己 textfield app tdi AS query rect

一、IndexWriter詳解

問題1：索引創建過程完成什麽事？

　　　　分詞、存儲到反向索引中

1. 回顧Lucene架構圖：

技術分享圖片

介紹我們編寫的應用程序要完成數據的收集，再將數據以document的形式用lucene的索引API創建索引、存儲。這裏重點要強調應用代碼負責做什麽,lucene負責做什麽。

2. Lucene索引創建API 圖示

技術分享圖片

通過該圖介紹lucene創建索引的核心API:Document、IndexWriter

Lucene中要索引的文檔、數據記錄以document表示，應用程序通過IndexWirter將Document加入到索引中。

3. Lucene索引創建代碼示例

public static void main(String[] args) throws IOException {
// 創建使用的分詞器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置對象
IndexWriterConfig config = new IndexWriterConfig(analyzer);
// 設置索引庫的打開模式：新建、追加、新建或追加
config.setOpenMode(OpenMode.CREATE_OR_APPEND);

// 索引存放目錄
// 存放到文件系統中
Directory directory = FSDirectory
.open(( 
new File("f:/test/indextest")).toPath());

// 存放到內存中
// Directory directory = new RAMDirectory();

// 創建索引寫對象
IndexWriter writer = new IndexWriter(directory, config);

// 創建document
Document doc = new Document();
// 往document中添加 商品id字段
doc.add(new StoredField("prodId", "p0001"));

// 往document中添加 商品名稱字段
String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超極本輕薄筆記本電腦聯想";
doc.add( 
new TextField("name", name, Store.YES));

// 將文檔添加到索引
writer.addDocument(doc);

// .....

// 刷新
writer.flush();

// 提交
writer.commit();

// 關閉 會提交
writer.close();
directory.close();
}

上面示例代碼對應的類圖展示：

技術分享圖片

4. IndexWriterConfig 寫索引配置：

使用的分詞器，

如何打開索引（是新建，還是追加）。

還可配置緩沖區大小、或緩存多少個文檔，再刷新到存儲中。

還可配置合並、刪除等的策略。

註意：

用這個配置對象創建好IndexWriter對象後，再修改這個配置對象的配置信息不會對IndexWriter對象起作用。

如要在indexWriter使用過程中修改它的配置信息，通過 indexWriter的getConfig()方法獲得 LiveIndexWriterConfig 對象，在這個對象中可查看該IndexWriter使用的配置信息，可進行少量的配置修改（看它的setter方法）

5. Directory 指定索引數據存放的位置

內存

文件系統

數據庫

技術分享圖片

保存到文件系統用法： Directory directory = FSDirectory.open(Path path); // path指定目錄

保存到內存中用法：Directory directory = new RAMDirectory();

6. IndexWriter 用來創建、維護一個索引。它的API使用流程：

    // 創建索引寫對象
    IndexWriter writer = new IndexWriter(directory, config);

    // 創建document

    // 將文檔添加到索引
    writer.addDocument(doc);
    
    // 刪除文檔
    //writer.deleteDocuments(terms);
    
    //修改文檔
    //writer.updateDocument(term, doc);

    // 刷新
    writer.flush();

    // 提交
    writer.commit();

註意：IndexWriter是線程安全的。如果你的業務代碼中有其他的同步控制，請不要使用IndexWriter作為鎖對象，以免死鎖。

IndexWriter涉及類圖示：

技術分享圖片

問題2：索引庫中會存儲反向索引數據，會存儲document嗎？

　　索引庫會存儲一下關鍵的document信息

問：在百度、天貓上進行搜索，展示的列表中的數據來自哪裏？源DB、FS 嗎？

技術分享圖片

　　存在索引庫裏

二、Document詳解

1. Document 文檔

要索引的數據記錄、文檔在lucene中的表示，是索引、搜索的基本單元。一個Document由多個字段Field構成。就像數據庫的記錄-字段。

IndexWriter按加入的順序為Document指定一個遞增的id（從0開始），稱為文檔id。反向索引中存儲的是這個id，文檔存儲中正向索引也是這個id。業務數據的主鍵id只是文檔的一個字段。

Document API

技術分享圖片

2. Field

字段：由字段名name、字段值value（fieldsData）、字段類型 type 三部分構成。

字段值可以是文本（String、Reader 或預分析的 TokenStream）、二進制值（byte[]）或數值。

IndexableField Field API

技術分享圖片

3. Document—Field 數據舉例

新聞：新聞id，新聞標題、新聞內容、作者、所屬分類、發表時間

網頁搜索的網頁：標題、內容、鏈接地址

商品： id、名稱、圖片鏈接、類別、價格、庫存、商家、品牌、月銷量、詳情…

問題1：我們收集數據創建document對象來為其創建索引，數據的所有屬性是否都需要加入到document中？如數據庫表中的數據記錄的所有字段是否都需要放到document中？哪些字段應加入到document中？

　　看具體的業務，只有需要被搜索和展示的字段才需要被加入到document中

問題2：是不是所有加入的字段都需要進行索引？是不是所有加入的字段都要保存到索引庫中？什麽樣的字段該被索引？什麽樣的字段該被存儲？

　　看具體的業務，需要被搜索的字段才該被索引，需要被展示的字段該被存儲

問題3：各種要被索引的字段該以什麽樣的方式進行索引，全都是分詞進行索引，還是有不同區別？

　　看是模糊查詢還是精確查詢，模糊查詢的話就需要被分詞索引，精確查詢的話就不需要被分詞索引

4. IndexableFieldType

字段類型：描述該如何索引存儲該字段。

字段可選擇性地保存在索引中，這樣在搜索結果中，這些保存的字段值就可獲得。

一個Document應該包含一個或多個存儲字段來唯一標識一個文檔。為什麽？

　　為從原數據中拿完整數據去展示

5. Document 類關系

技術分享圖片

IndexableFieldType API 說明

技術分享圖片

6. IndexOptions 索引選項說明：

NONE：Not indexed 不索引

DOCS: 反向索引中只存儲了包含該詞的文檔id，沒有詞頻、位置

DOCS_AND_FREQS: 反向索引中會存儲文檔id、詞頻

DOCS_AND_FREQS_AND_POSITIONS:反向索引中存儲文檔id、詞頻、位置

DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS :反向索引中存儲文檔id、詞頻、位置、偏移量

package com.study.lucene.indexdetail;

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.FieldType;
import org.apache.lucene.index.IndexOptions;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;

import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7;

/**
 * 索引選項選擇
 * 
 * @author THINKPAD
 *
 */
public class IndexOptionsDemo {

    public static void main(String[] args) {
        // 創建使用的分詞器
        Analyzer analyzer = new IKAnalyzer4Lucene7(true);

        // 索引配置對象
        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        try ( // 索引存放到文件系統中
                Directory directory = FSDirectory.open((new File("f:/test/indextest")).toPath());

                // 創建索引寫對象
                IndexWriter writer = new IndexWriter(directory, config);) {

            // 準備document
            Document doc = new Document();
            // 字段content
            String name = "content";
            String value = "張三說的確實在理";
            FieldType type = new FieldType();
            // 設置是否存儲該字段
            type.setStored(true); // 請試試不存儲的結果
            // 設置是否對該字段分詞
            type.setTokenized(true); // 請試試不分詞的結果
            // 設置該字段的索引選項
            type.setIndexOptions(IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS); // 請嘗試不同的選項的效果
            type.freeze(); // 使不可更改

            Field field = new Field(name, value, type);
            // 添加字段
            doc.add(field);
            // 加入到索引中
            writer.addDocument(doc);

        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

問題4：如果要在搜索結果中做關鍵字高亮，需要什麽信息？如果要實現短語查詢、臨近查詢（跨度查詢），需要什麽信息？

如要搜索包含“張三” “李四”，且兩詞之間跨度不超過5個字符。

　　需要位置和偏移量

問題5：位置、偏移數據在反向索引中占的存儲量占比大不大？

技術分享圖片

　　看分詞的數據量

問題6：如果某個字段不需要進行短語查詢、臨近查詢，那麽在反向索引中就不需要保存位置、偏移數據。這樣是不是可以降低反向索引的數據量，提升效率？但是如果該字段要做高亮顯示支持，該怎麽辦？。

　　為了提升反向索引的效率，這樣的字段的位置、偏移數據是不應該保存到反向索引中的。這也你前面看到 IndexOptions為什麽有那些選項的原因。

　　一個字段分詞器分詞後，每個詞項會得到一系列屬性信息，如出現頻率、位置、偏移量等，這些信息構成一個詞項向量 termVectors

7. IndexableFieldType API

技術分享圖片

storeTermVectors：

　　對於不需要在搜索反向索引時用到，但在搜索結果處理時需要的位置、偏移量、附加數據(payLoad) 的字段，我們可以單獨為該字段存儲（文檔id?詞項向量）的正向索引。

示例代碼：

package com.study.lucene.indexdetail;

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.FieldType;
import org.apache.lucene.index.IndexOptions;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;

import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7;

/**
 * 詞向向量
 * @author THINKPAD
 *
 */
public class IndexTermVectorsDemo {

    public static void main(String[] args) {
        // 創建使用的分詞器
        Analyzer analyzer = new IKAnalyzer4Lucene7(true);

        // 索引配置對象
        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        try ( // 索引存放到文件系統中
                Directory directory = FSDirectory
                        .open((new File("f:/test/indextest")).toPath());

                // 創建索引寫對象
                IndexWriter writer = new IndexWriter(directory, config);) {

            // 準備document
            Document doc = new Document();
            // 字段content
            String name = "content";
            String value = "張三說的確實在理";
            FieldType type = new FieldType();
            // 設置是否存儲該字段
            type.setStored(true); // 請試試不存儲的結果
            // 設置是否對該字段分詞
            type.setTokenized(true); // 請試試不分詞的結果
            // 設置該字段的索引選項
            type.setIndexOptions(IndexOptions.DOCS); // 反向索引中只保存詞項

            // 設置為該字段保存詞項向量
            type.setStoreTermVectors(true);
            type.setStoreTermVectorPositions(true);
            type.setStoreTermVectorOffsets(true);
            type.setStoreTermVectorPayloads(true);

            type.freeze(); // 使不可更改

            Field field = new Field(name, value, type);
            // 添加字段
            doc.add(field);
            // 加入到索引中
            writer.addDocument(doc);

        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

請為商品記錄建立索引，字段信息如下：

商品id：字符串，不索引、但存儲

　　String prodId = "p0001";

商品名稱：字符串，分詞索引(存儲詞頻、位置、偏移量)、存儲

　　String name = “ThinkPad X1 Carbon 20KH0009CD/25CD 超極本輕薄筆記本電腦";

圖片鏈接：僅存儲

　　 String imgUrl = "http://www.cnblogs.com/leeSmall/";

商品簡介：字符串，分詞索引（不需要支持短語、臨近查詢）、存儲，結果中支持高亮顯示

　　String simpleIntro = "集成顯卡英特爾酷睿 i5-8250U 14英寸";

品牌：字符串，不分詞索引，存儲

　　String brand = "ThinkPad";

package com.study.lucene.indexdetail;

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.FieldType;
import org.apache.lucene.index.IndexOptions;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.NumericUtils;

import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7;

/**
 * 為商品記錄建立索引
 * @author THINKPAD
 *
 */
public class ProductIndexExercise {

    public static void main(String[] args) {
        // 創建使用的分詞器
        Analyzer analyzer = new IKAnalyzer4Lucene7(true);

        // 索引配置對象
        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        try (
                // 索引存放目錄
                // 存放到文件系統中
                Directory directory = FSDirectory
                        .open((new File("f:/test/indextest")).toPath());

                // 存放到內存中
                // Directory directory = new RAMDirectory();

                // 創建索引寫對象
                IndexWriter writer = new IndexWriter(directory, config);) {

            // 準備document
            Document doc = new Document();
            // 商品id：字符串，不索引、但存儲
            String prodId = "p0001";
            FieldType onlyStoredType = new FieldType();
            onlyStoredType.setTokenized(false);
            onlyStoredType.setIndexOptions(IndexOptions.NONE);
            onlyStoredType.setStored(true);
            onlyStoredType.freeze();
            doc.add(new Field("prodId", prodId, onlyStoredType));

            // 商品名稱：字符串，分詞索引(存儲詞頻、位置、偏移量)、存儲
            String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超極本輕薄筆記本電腦聯想";
            FieldType indexedAllStoredType = new FieldType();
            indexedAllStoredType.setStored(true);
            indexedAllStoredType.setTokenized(true);
            indexedAllStoredType.setIndexOptions(
                    IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS);
            indexedAllStoredType.freeze();
            doc.add(new Field("name", name, indexedAllStoredType));

            // 圖片鏈接：僅存儲
            String imgUrl = "http://www.cnblogs.com/leeSmall/";
            doc.add(new Field("imgUrl", imgUrl, onlyStoredType));

            // 商品簡介：文本，分詞索引（不需要支持短語、臨近查詢）、存儲，結果中支持高亮顯示
            String simpleIntro = "集成顯卡 英特爾 酷睿 i5-8250U 14英寸";
            FieldType indexedTermVectorsStoredType = new FieldType();
            indexedTermVectorsStoredType.setStored(true);
            indexedTermVectorsStoredType.setTokenized(true);
            indexedTermVectorsStoredType
                    .setIndexOptions(IndexOptions.DOCS_AND_FREQS);
            indexedTermVectorsStoredType.setStoreTermVectors(true);
            indexedTermVectorsStoredType.setStoreTermVectorPositions(true);
            indexedTermVectorsStoredType.setStoreTermVectorOffsets(true);
            indexedTermVectorsStoredType.freeze();

            doc.add(new Field("simpleIntro", simpleIntro,
                    indexedTermVectorsStoredType));

            // 價格，整數，單位分，不索引、存儲
            int price = 2999900;
            // Field 類有整數類型值的構造方法嗎？
            // 用字節數組來存儲試試，還是轉為字符串？
            byte[] result = new byte[Integer.BYTES];
            NumericUtils.intToSortableBytes(price, result, 0);

            doc.add(new Field("price", result, onlyStoredType));

            writer.addDocument(doc);

        } catch (IOException e) {
            e.printStackTrace();
        }

    }

}

問題7 ：我們往往需要對搜索的結果支持按不同的字段進行排序，如商品搜索結果按價格排序、按銷量排序等。以及對搜索結果進行按某字段分組統計，如按品牌統計。

　　存儲的文檔數據中（文檔是行式存儲）就得把搜到的所有文檔加載到內存中，來獲取價格，再按價格排序。如果搜到的文檔列表量很大，會有什麽問題沒？費內存效率低我們往往對結果列表是分頁處理，並不需要把所有文檔數據加載。

　　空間換時間：對這種需要排序、分組、聚合的字段，為其建立獨立的文檔->字段值的正向索引、列式存儲。這樣我們要加載搜中文檔的這個字段的數據就快很多，耗內存少。

　　IndexableFieldType 中的 docValuesType方法就是讓你來為需要排序、分組、聚合的字段指定如何為該字段創建文檔->字段值的正向索引的。

DocValuesType 選項說明:

NONE 不開啟docvalue

NUMERIC 單值、數值字段，用這個

BINARY 單值、字節數組字段用

SORTED 單值、字符字段用，會預先對值字節進行排序、去重存儲

SORTED_NUMERIC 單值、數值數組字段用，會預先對數值數組進行排序

SORTED_SET 多值字段用，會預先對值字節進行排序、去重存儲

具體使用選擇：

字符串+單值會選擇SORTED作為docvalue存儲

字符串+多值會選擇SORTED_SET作為docvalue存儲

數值或日期或枚舉字段+單值會選擇NUMERIC作為docvalue存儲

數值或日期或枚舉字段+多值會選擇SORTED_SET作為docvalue存儲

註意：需要排序、分組、聚合、分類查詢（面查詢）的字段才創建docValues

8. 擴展整型Field

　　通過查看Filed的構造方法，發現裏面沒有設置整型數值的方法，所以需要我們自己來擴展

技術分享圖片

擴展的方法如下：

1. 擴展Field，提供構造方法傳入數值類型值，賦給字段值字段；

2. 改寫binaryValue() 方法，返回數值的字節引用。

package com.study.lucene.indexdetail.extendfield;

import org.apache.lucene.document.Field;
import org.apache.lucene.document.FieldType;
import org.apache.lucene.util.BytesRef;
import org.apache.lucene.util.NumericUtils;

/**
 * 
 * @Description: 擴展整型Field
 * @author liguangsheng
 * @date 2018年5月11日
 *
 */
public class ExtendIntField extends Field {
    public ExtendIntField(String fieldName, int value, FieldType type) {
        super(fieldName, type);
        this.fieldsData = Integer.valueOf(value);
    }

    @Override
    public BytesRef binaryValue() {
        byte[] bs = new byte[Integer.BYTES];
        NumericUtils.intToSortableBytes((Integer) this.fieldsData, bs, 0);
        return new BytesRef(bs);
    }
}

9. Lucene預定義的字段子類

技術分享圖片

package com.study.lucene.indexdetail;

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.document.FieldType;
import org.apache.lucene.document.NumericDocValuesField;
import org.apache.lucene.document.SortedDocValuesField;
import org.apache.lucene.document.StringField;
import org.apache.lucene.index.DocValuesType;
import org.apache.lucene.index.IndexOptions;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.BytesRef;
import org.apache.lucene.util.NumericUtils;

import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7;

/**
 * 索引的創建
 * 
 * @author THINKPAD
 *
 */
public class IndexWriteDemo {

    public static void main(String[] args) {
        // 創建使用的分詞器
        Analyzer analyzer = new IKAnalyzer4Lucene7(true);

        // 索引配置對象
        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        try (
                // 索引存放目錄
                // 存放到文件系統中
                Directory directory = FSDirectory.open((new File("f:/test/indextest")).toPath());

                // 存放到內存中
                // Directory directory = new RAMDirectory();

                // 創建索引寫對象
                IndexWriter writer = new IndexWriter(directory, config);) {

            // 準備document
            Document doc = new Document();
            // 商品id：字符串，不索引、但存儲
            String prodId = "p0001";
            FieldType onlyStoredType = new FieldType();
            onlyStoredType.setTokenized(false);
            onlyStoredType.setIndexOptions(IndexOptions.NONE);
            onlyStoredType.setStored(true);
            onlyStoredType.freeze();
            doc.add(new Field("prodId", prodId, onlyStoredType));

            // 等同下一行
            // doc.add(new StoredField("prodId", prodId));

            // 商品名稱：字符串，分詞索引(存儲詞頻、位置、偏移量)、存儲
            String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超極本輕薄筆記本電腦聯想";
            FieldType indexedAllStoredType = new FieldType();
            indexedAllStoredType.setStored(true);
            indexedAllStoredType.setTokenized(true);
            indexedAllStoredType.setIndexOptions(IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS);
            indexedAllStoredType.freeze();

            doc.add(new Field("name", name, indexedAllStoredType));

            // 圖片鏈接：僅存儲
            String imgUrl = "http://www.cnblogs.com/aaa";
            doc.add(new Field("imgUrl", imgUrl, onlyStoredType));

            // 商品簡介：文本，分詞索引（不需要支持短語、臨近查詢）、存儲，結果中支持高亮顯示
            String simpleIntro = "集成顯卡 英特爾 酷睿 i5-8250U 14英寸";
            FieldType indexedTermVectorsStoredType = new FieldType();
            indexedTermVectorsStoredType.setStored(true);
            indexedTermVectorsStoredType.setTokenized(true);
            indexedTermVectorsStoredType.setIndexOptions(IndexOptions.DOCS_AND_FREQS);
            indexedTermVectorsStoredType.setStoreTermVectors(true);
            indexedTermVectorsStoredType.setStoreTermVectorPositions(true);
            indexedTermVectorsStoredType.setStoreTermVectorOffsets(true);
            indexedTermVectorsStoredType.freeze();

            doc.add(new Field("simpleIntro", simpleIntro, indexedTermVectorsStoredType));

            // 價格，整數，單位分，不索引、存儲、要支持排序
            int price = 999900;
            FieldType numericDocValuesType = new FieldType();
            numericDocValuesType.setTokenized(false);
            numericDocValuesType.setIndexOptions(IndexOptions.NONE);
            numericDocValuesType.setStored(true);
            numericDocValuesType.setDocValuesType(DocValuesType.NUMERIC);
            numericDocValuesType.setDimensions(1, Integer.BYTES);
            numericDocValuesType.freeze();

            doc.add(new MyIntField("price", price, numericDocValuesType));

            // 與下兩行等同
            // doc.add(new StoredField("price", price));
            // doc.add(new NumericDocValuesField("price", price));

            // 類別：字符串，索引不分詞，不存儲、支持分類統計,多值
            FieldType indexedDocValuesType = new FieldType();
            indexedDocValuesType.setTokenized(false);
            indexedDocValuesType.setIndexOptions(IndexOptions.DOCS);
            indexedDocValuesType.setDocValuesType(DocValuesType.SORTED_SET);
            indexedDocValuesType.freeze();

            doc.add(new Field("type", "電腦", indexedDocValuesType) {
                @Override
                public BytesRef binaryValue() {
                    return new BytesRef((String) this.fieldsData);
                }
            });
            doc.add(new Field("type", "筆記本電腦", indexedDocValuesType) {
                @Override
                public BytesRef binaryValue() {
                    return new BytesRef((String) this.fieldsData);
                }
            });

            // 等同下四行
            // doc.add(new StringField("type", "電腦", Store.NO));
            // doc.add(new SortedSetDocValuesField("type", new BytesRef("電腦")));
            // doc.add(new StringField("type", "筆記本電腦", Store.NO));
            // doc.add(new SortedSetDocValuesField("type", new
            // BytesRef("筆記本電腦")));

            // 商家 索引(不分詞)，存儲、按面（分類）查詢
            String fieldName = "shop";
            String value = "聯想官方旗艦店";
            doc.add(new StringField(fieldName, value, Store.YES));
            doc.add(new SortedDocValuesField(fieldName, new BytesRef(value)));

            // 上架時間：數值，排序需要
            long upShelfTime = System.currentTimeMillis();
            doc.add(new NumericDocValuesField("upShelfTime", upShelfTime));

            writer.addDocument(doc);

        } catch (IOException e) {
            e.printStackTrace();
        }

    }

    public static class MyIntField extends Field {

        public MyIntField(String fieldName, int value, FieldType type) {
            super(fieldName, type);
            this.fieldsData = Integer.valueOf(value);
        }

        @Override
        public BytesRef binaryValue() {
            byte[] bs = new byte[Integer.BYTES];
            NumericUtils.intToSortableBytes((Integer) this.fieldsData, bs, 0);
            return new BytesRef(bs);
        }
    }

}

三、索引更新

IndexWriter 索引更新 API

技術分享圖片

說明：

Term 詞項指定字段的詞項

刪除流程：根據Term、Query找到相關的文檔id、同時刪除索引信息，再根據文檔id刪除對應的文檔存儲。

更新流程：先刪除、再加入新的doc

註意：只可根據索引的字段進行更新。

package com.study.lucene.indexdetail;

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.FieldType;
import org.apache.lucene.index.IndexOptions;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.index.Term;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;

import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7;

/**
 * @Description: 索引更新
 * @author liguangsheng
 * @date 2018年5月11日
 *
 */

public class IndexUpdateDemo {

    public static void main(String[] args) {
        // 創建使用的分詞器
        Analyzer analyzer = new IKAnalyzer4Lucene7(true);

        // 索引配置對象
        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        try (
                // 索引存放目錄
                // 存放到文件系統中
                Directory directory = FSDirectory.open((new File("f:/test/indextest")).toPath());

                // 存放到內存中
                // Directory directory = new RAMDirectory();

                // 創建索引寫對象
                IndexWriter writer = new IndexWriter(directory, config);) {

            // Term term = new Term("prodId", "p0001");
            Term term = new Term("type", "筆記本電腦");

            // 準備document
            Document doc = new Document();
            // 商品id：字符串，不索引、但存儲
            String prodId = "p0003";
            FieldType onlyStoredType = new FieldType();
            onlyStoredType.setTokenized(false);
            onlyStoredType.setIndexOptions(IndexOptions.NONE);
            onlyStoredType.setStored(true);
            onlyStoredType.freeze();
            doc.add(new Field("prodId", prodId, onlyStoredType));

            writer.updateDocument(term, doc);

            // Term term = new Term("name", "筆記本電腦");
            // writer.deleteDocuments(term);

            writer.flush();

            writer.commit();
            System.out.println("執行更新完畢。");

        } catch (IOException e) {
            e.printStackTrace();
        }

    }
}

搜索引擎系列五：Lucene索引詳解（IndexWriter詳解、Document詳解、索引更新）

let integer 自己 textfield app tdi AS query rect 一、IndexWriter詳解問題1：索引創建過程完成什麽事？　　　　分詞、存儲到反向索引中 1. 回顧Lucene架構圖：介紹我們編寫的應用程序要完成數據的收集，再將數據

搜索引擎系列五：Lucene索引詳解（IndexWriter詳解、Document詳解、索引更新）

一、IndexWriter詳解

二、Document詳解

三、索引更新

搜索引擎系列五：Lucene索引詳解（IndexWriter詳解、Document詳解、索引更新）

搜索引擎系列二：Lucene（Lucene介紹、Lucene架構、Lucene集成）

搜索引擎系列四：Lucene提供的分詞器、IKAnalyze中文分詞器集成

搜索引擎系列八：solr-部署詳解（solr兩種部署模式介紹、獨立服務器模式詳解、SolrCloud分布式集群模式詳解）

訊息中介軟體系列五：RabbitMQ的使用場景（非同步處理、應用解耦）

搜索引擎ElasticSearch系列（四）： ElasticSearch2.4.4 sql插件安裝

搜索引擎算法研究專題三：聚集索引與非聚集索引介紹

學習用Node.js和Elasticsearch構建搜索引擎（6）：實際項目中常用命令使用記錄

SEO編輯必看：撰寫搜索引擎喜愛的標題

第三百五十三節，Python分布式爬蟲打造搜索引擎Scrapy精講—scrapy的暫停與重啟

第三百五十四節，Python分布式爬蟲打造搜索引擎Scrapy精講—數據收集(Stats Collection)

第三百五十五節，Python分布式爬蟲打造搜索引擎Scrapy精講—scrapy信號詳解

第三百五十八節，Python分布式爬蟲打造搜索引擎Scrapy精講—將bloomfilter(布隆過濾器)集成到scrapy-redis中

第三百六十一節，Python分布式爬蟲打造搜索引擎Scrapy精講—倒排索引

第三百六十五節，Python分布式爬蟲打造搜索引擎Scrapy精講—elasticsearch(搜索引擎)的查詢

Java搜索引擎選擇： Elasticsearch與Solr（轉）

搜索引擎之全文搜索算法功能實現（基於Lucene）

搜索引擎算法研究專題四：隨機沖浪模型介紹

搜索引擎算法研究專題七：Hilltop算法

利用Lucene.net搜索引擎進行多條件搜索的做法

搜索引擎系列五：Lucene索引詳解（IndexWriter詳解、Document詳解、索引更新）

一、IndexWriter詳解

二、Document詳解

三、索引更新

相關推薦