Apache Lucene is a high-performance, full-featured text search engine library written entirely in Java. It is a technology suitable for nearly any application that requires full-text search, especially cross-platform.

1. AJAX LUCENE 构建搜索引擎 Roger Xia

11. Ajax 技术使用 XMLHTTPRequest 对象发送请求并得到服务器响应，得到返回的数据后用 JavaScript 操作 DOM 来使页面更新

21. 使用 XMLHttpRequest 发送请求的过程

27. 搜索引擎架构 --Lucene http://lucene.apache.org/ Roger Xia

36. 全文检索 和 数据库应用 最大的 不同 在于： 让最相关的头 100 条结果满足 98% 以上用户的需求 。 没有接口或接口复杂，无法定制 。 通过不同的语言分析接口实现，可以方便的定制出符合应用需要的索引规则（包括对中文的支持） 可定制性 使用率低，模糊匹配规则简单或者需要模糊查询的资料量少 高负载的模糊查询应用，需要复杂的模糊查询规则，索引的资料量比较大 结论 返回所有的结果集，在匹配条目非常多的时候需要大量的内存存放这些临时结果集。 通过特别的算法，将最匹配度最高的头 100 条结果输出，结果集是缓冲式的小批量读取的。 结果输出 没有匹配程度的控制：比如有记录中 net 出现 5 词和出现 1 次的，结果是一样的。 有匹配度算法，将匹配程度（相似度）比较高的结果排在前面。 匹配度 使用： like “%net%” 会把 netherlands 也匹配出来；使用 like "%com%net%" ：就不能匹配词序颠倒的 xxx.net..xxx.com 通过词元 (term) 进行匹配，通过语言分析接口的实现，可以实现对中文等非英语的支持。 匹配效果 对于 LIKE 查询来说，数据传统的索引是根本用不上的。 将数据源中的数据都通过全文索引一一建立反向索引 索引 数据库 Lucene 全文索引

41. 建立索引

48. Lucene 索引文件概念结构 Segment ：一个段是一个独立的索引，可以由 IndexSearcher 进行单独查找。 Lucene 的工作其实就是不停地往磁盘加入新的 Segment ，并按一定的算法合并不同的 Segment 以创建一个新的段。 项（ Term ）是最小的索引概念单位，它直接代表了一个字符串以及其在文件中的位置、出现次数等信息。 域（ Field ）是一个关联的元组，由一个域名和一个域值组成，域名是一个字串，域值是一个项

49. Lucene 索引文件结构组成 域集合与项集合中的文件组采用了一种类似的存储办法：一个小型的索引文件，运行时载入内存；一个对应于索引文件的实际信息文件，可以按照索引中指示的偏移量随机访问； 索引文件与信息文件在记录的排列顺序上存在隐式的对应关系，即索引文件中按照“索引项 1 、索引项 2…” 排列，则信息文件则也按照“信息项 1 、信息项 2…” 排列。

50. 一共有四个文件（ .tii, .tis,.frq,.prx ）用来记录 Term 相关的信息： -- 在 .tis 文件中，对每个 Term 都有一项 TermInfo, 而且 TermInfo 是根据字典顺序排序。 TermInfo 中记录的了 Term 本身，以及一些以在 .frq 和 .prx 中和该 Term 相关详细的指针。 -- .tii 是对 .tis 的一个索引，用来加速对 Term 的查找。 -- .frq 文件记录了每个 Term 出现的文档号以及其频率， -- .prx 文件记录了每个 Term 在每篇文档中出现的位置信息。

51. 索引存储抽象 -- 索引存放位置 磁盘 – FSDirectory 将索引存放在文件系统中， Lucene 会自动在内存中建立缓存，然后到一定时候就写入磁盘。 IndexWriter writer = new IndexWriter(FSDirectory.getDirectory(path, true), new StandardAnalyzer(), true); 内存 – RAMDirectory ，速度快，非持久化（虚拟机退出，索引丢失），因此需一方法将内存中的索引转入磁盘。 IndexWriter writer = new IndexWriter(RAMDirectory.getDirectory(), new StandardAnalyzer(), true);

55. 检索结果 -- Hits Lazy load result, LRU doubly-linked cache

59. Lucene 内建分析器