Lucene是如何工作的
我想了解lucene搜索是如何如此快速地工作的。我在网上找不到任何有用的文档。如果你有任何东西（除了lucene源代码）需要阅读，请告诉我 在我的例子中，使用带索引的mysql5文本搜索进行文本搜索查询大约需要18分钟。lucene搜索同一查询只需不到一秒钟。一句话：索引 Lucene为您的文档创建一个索引，使其能够更快地搜索 列表O（N）数据结构和哈希表O（1）数据结构之间的区别是相同的。该列表必须遍历整个集合才能找到您想要的内容。哈希表有一个索引，可以让它准确地找出所需项的位置，并简单地获取它 更新： 我不确定你所说的“Lucene索引搜索比mysql索引搜索快得多”是什么意思 我猜您正在使用MySQL“WHERE document，比如“%phrase%”来搜索文档。如果这是真的，那么MySQL必须对每一行进行表扫描，这将是O（N）Lucene是如何工作的,lucene,Lucene,我想了解lucene搜索是如何如此快速地工作的。我在网上找不到任何有用的文档。如果你有任何东西（除了lucene源代码）需要阅读，请告诉我 在我的例子中，使用带索引的mysql5文本搜索进行文本搜索查询大约需要18分钟。lucene搜索同一查询只需不到一秒钟。一句话：索引 Lucene为您的文档创建一个索引，使其能够更快地搜索 列表O（N）数据结构和哈希表O（1）数据结构之间的区别是相同的。该列表必须遍历整个集合才能找到您想要的内容。哈希表有一个索引，可以让它准确地找出所需项的位置，并简单地获取
Lucene可以将文档解析为标记，按照您的方向将它们分组为n-gram，并为每个标记计算索引。在索引的Lucene文档中查找单词是O（1） Lucene是一个反向全文索引。这意味着它会获取所有文档，将它们拆分为单词，然后为每个单词建立索引。由于索引是一个精确的字符串匹配，无序的，它可以非常快。假设，
varchar然而，在一天结束时，如果你真的想知道，你需要阅读源代码。毕竟，您引用的两个东西都是开源的。Lucene创建了一个大索引。索引包含单词id、单词所在的文档数以及单词在这些文档中的位置。因此，当您给出一个单词查询时，它只搜索索引（O（1）时间复杂度）。然后使用不同的算法对结果进行排序。对于多单词查询，只需取单词所在的文件集的交集。 因此Lucene非常非常快
有关更多信息，请阅读谷歌开发者撰写的这篇文章-Lucene与合作。它创建一个索引，将每个单词映射到文档及其频率计数，这只是文档上的反向索引 示例： 文件1：随机存取存储器是主存储器 文件2：硬盘是辅助内存 Lucene创建了一个反向索引，类似于 文件1： 术语：随机 频率：1 职位：0 术语：记忆 频率：2 职位：3 职位：6 因此，它能够快速搜索和检索搜索到的内容。当搜索查询有太多匹配项时，它会根据权重输出结果。考虑搜索查询<强>“主内存”<强>它搜索所有4个单词，结果如下， Main 文件1：频率-1 内存 文件1：频率-2 文件2：频率-1
结果将是File1，然后是File2。为了避免被诸如“and”、“or”、“the”等最常见单词的权重冲昏头脑，它考虑了相反的文档频率（即“它降低了文档集中最流行的单词的权重）。是的，我理解索引部分，但同样，lucene索引搜索比mysql索引搜索快得多。这是怎么发生的？我可以请求将此问题转换为社区wiki吗？Lucene现在听起来像一个平台。如果我理解正确的话，文本搜索引擎的区别在于它们如何处理多词搜索，以及如何将搜索结果实时连接到多个索引。我不建议就此咨询Lucene source。阅读一点文本搜索理论可能会更好，@alienCoder的答案对我有帮助。@b问题，如果索引是“每个单词”，那么stackoverflow用户搜索为什么允许子字符串匹配？这不是整本书答案的地方。这里有很多关于基本概念的详细说明。你说的“每个单词的索引”是什么意思……如果我开始键入“abc”，它将如何在文档中找到“abc”？从一个单词到另一个文档的索引（B-树）可以在文档中按单词搜索文档，因为这样的索引表是（单词，文档）其中索引位于word列上。考虑一个类似的问题：“在他们身上找到带有单词‘警察’、‘犯罪’、‘统计学’的文件。通过搜索单词索引，您可以进行三次日志（N）搜索，以获得其中一个单词所在的O（N）个文档。然后，您可以执行两个O（N）循环来构建一个包含所有三个单词的文档集。虽然理论上这是一个O（N）操作，但大多数文档并没有全部三个单词，所以它是O（N），其中N