日常開發中，相信大家經常會用like去匹配一些資料，同時我們也知道，like往往會導致全表掃描，當資料量越來越大的時候，我們會糾結於

資料庫的龜速查詢，此時我們必須另尋蹊蹺，這時lucene就可以大顯身手了。

     首先我們做一個demo，向資料庫中插入10w條資料，總共778M。

接下來，我們搜尋下新聞內容中包含“流行”的記錄。

檢索一下要78s，是誰都要砸了面前的破機子。

 1 using System;
 2 using System.Collections.Generic;
 3 using System.Linq;
 4 using System.Text;
 5 using Lucene.Net.Index;
 
 6 using Lucene.Net.Store;
 7 using Lucene.Net.Analysis.Standard;
 8 using Lucene.Net.Documents;
 9 using System.Data;
10 using System.Diagnostics;
11 using Lucene.Net.Search;
12 
13 using Lucene.Net.QueryParsers;
14 
15 namespace First
16 {
17     class Program
18     {
19         static string path = @"
 
D:\Sample";
20 
21         static void Main(string[] args)
22         {
23             //建立索引
24             CreateIndex();
25 
26             var watch = Stopwatch.StartNew();
27 
28             //搜尋
29             IndexSearcher search = new IndexSearcher(path);
30 
31             //查詢表示式
32             QueryParser query = new
 
 QueryParser(string.Empty, new StandardAnalyzer());
33 
34             //query.parse：注入查詢條件
35             var hits = search.Search(query.Parse("Content:流行"));
36 
37             for (int i = 0; i < hits.Length(); i++)
38             {
39                 Console.WriteLine("當前內容:{0}", hits.Doc(i).Get("Content").Substring(0, 20) + "...");
40             }
41 
42             watch.Stop();
43 
44             Console.WriteLine("搜尋耗費時間:{0}", watch.ElapsedMilliseconds);
45         }
46 
47         static void CreateIndex()
48         {
49             //建立索引庫目錄
50             var directory = FSDirectory.GetDirectory(path, true);
51 
52             //建立一個索引,採用StandardAnalyzer對句子進行分詞
53             IndexWriter indexWriter = new IndexWriter(directory, new StandardAnalyzer());
54 
55             var reader = DbHelperSQL.ExecuteReader("select * from News");
56 
57             while (reader.Read())
58             {
59                 //域的集合：文件，類似於表的行
60                 Document doc = new Document();
61 
62                 //要索引的欄位
63                 doc.Add(new Field("ID", reader["ID"].ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));
64                 doc.Add(new Field("Title", reader["Title"].ToString(), Field.Store.NO, Field.Index.ANALYZED));
65                 doc.Add(new Field("Content", reader["Content"].ToString(), Field.Store.YES, Field.Index.ANALYZED));
66 
67                 indexWriter.AddDocument(doc);
68             }
69 
70             reader.Close();
71 
72             //對索引檔案進行優化
73             indexWriter.Optimize();
74 
75             indexWriter.Close();
76         }
77     }
78 }

448ms，頓時78s黯然失色，當然這個時間是不包含"建立索引“的時間，從時間複雜度上來說，這種預載入索引算是常量。

作為入門，簡單的介紹下lucene的實現過程，首先lucene主要分成兩步："索引"和"搜尋"。

一：索引：

相信大家對索引還是比較熟悉的，lucene能夠將我們內容切分成很多詞，然後將詞作為key，建立“倒排索引”，然後放到索引庫中，在上面

的例子中，我們看到了索引過程中使用到了IndexWriter，FSDirectory，StandardAnalyzer，Document和Field這些類，下面簡要分析下。

1：IndexWriter

    我們看到該類有一個AddDocument方法，所以我們認為該類實現了索引的寫入操作。

2：FSDirectory

    這個就更簡單了，提供了索引庫的存放位置，比如我們這裡的D:\Sample，或許有人問，能不能存放在記憶體中，在強大的lucene面前當然

可以做到，lucene中的RAMDirectory就可以實現，當然我們的記憶體足夠大的話，還是可以用記憶體承載索引庫，進而提高搜尋的效率。

3：StandardAnalyzer

   這個算是索引過程中最最關鍵的一步，也是我們使用lucene非常慎重考慮的東西，之所以我們能搜尋秒殺，關鍵在於我們如何將輸入的內容

進行何種形式的切分，當然不同的切分形式誕生了不同的分析器，StandardAnalyzer就是一個按照單字分詞的一種分析器，詳細的介紹後續文

章分享。

4：Document

 在上面的例子可以看到，他是承載field的集合，然後新增到IndexWriter中，有點類似表中的行的概念。

5: Field

提供了對要分析的欄位進行何種處理，以KV形式呈現。

①：Field.Store.YES， Field.Index.NOT_ANALYZED   表示對索引欄位採取：原樣儲存並且不被StandardAnalyzer進行切分。

②： Field.Store.NO, Field.Index.ANALYZED             不儲存但是要被StandardAnalyzer切分。

二：搜尋

這個比較容易，根據我們輸入的詞lucene能夠在索引庫中快速定位到我們要找的詞，同樣我們可以看到IndexSearcher，QueryParser，Hits。

1：IndexSearcher

   這個我們可以理解成以只讀的形式開啟由IndexWriter建立的索引庫，search給QueryParser提供了查詢的橋樑。

2：QueryParser

   這玩意提供了一個parse方法能夠將我們要查詢的詞轉化為lucene能夠理解了查詢表示式。

3：Hits

   這個就是獲取匹配結果的一個指標，優點類似C#中的延遲載入，目的都是一樣，提高效能。