一、Lucene概述
1、Lucene簡(jiǎn)介
Lucene是apache下的一個(gè)開源的全文檢索引擎工具包。
2、 全文檢索（Full-text Search）
定義
全文檢索就是先“分詞”創(chuàng)建索引，再執(zhí)行搜索的過(guò)程。
分詞：就是將一段文字分成一個(gè)個(gè)單詞
全文檢索就將一段文字分成一個(gè)個(gè)單詞去查詢數(shù)據(jù)！??！
應(yīng)用場(chǎng)景
（1）搜索引擎（了解）
搜索引擎是一個(gè)基于全文檢索、能獨(dú)立運(yùn)行、提供搜索服務(wù)的軟件系統(tǒng)。
（2）電商站內(nèi)搜索（重點(diǎn)）
思考：電商網(wǎng)站內(nèi)，我們都是通過(guò)輸入關(guān)鍵詞來(lái)搜索商品的。如果我們根據(jù)關(guān)鍵詞，直接查詢數(shù)據(jù)庫(kù)，會(huì)有什么后果？
答：我們只能使用模糊搜索，來(lái)進(jìn)行匹配，會(huì)導(dǎo)致很多數(shù)據(jù)匹配不到。所以，我們必須使用全文檢索。
二、Lucene實(shí)現(xiàn)全文檢索的流程
全文檢索的流程分為兩大部分：索引流程、搜索流程。
索引流程：采集數(shù)據(jù)--->構(gòu)建文檔對(duì)象--->創(chuàng)建索引(將文檔寫入索引庫(kù))。
搜索流程：創(chuàng)建查詢--->執(zhí)行搜索--->渲染搜索結(jié)果。
三、配置步驟說(shuō)明
（1）搭建環(huán)境（先下載Lucene）
1、下載Lucene
Lucene是開發(fā)全文檢索功能的工具包，使用時(shí)從官方網(wǎng)站下載，并解壓。
官方網(wǎng)站：http://lucene.apache.org/
下載地址：http://archive.apache.org/dist/lucene/java/
2、創(chuàng)建項(xiàng)目，導(dǎo)入包
mysql5.1驅(qū)動(dòng)包：mysql-connector-java-5.1.7-bin.jar
核心包：lucene-core-4.10.3.jar
分析器通用包：lucene-analyzers-common-4.10.3.jar
查詢解析器包：lucene-queryparser-4.10.3.jar
（2）創(chuàng)建索引庫(kù)
1.采集數(shù)據(jù)
2.將數(shù)據(jù)轉(zhuǎn)換成Lucene文檔
3.將文檔寫入索引庫(kù)，創(chuàng)建索引
（具體代碼不在此寫出）
（3）搜索索引庫(kù)
（具體代碼不在此寫出）
四、分詞
（1） 重要性
分詞是全文檢索的核心。
所謂的分詞，就是將一段文本，根據(jù)一定的規(guī)則，拆分成一個(gè)一個(gè)詞。
Lucene是根據(jù)分析器實(shí)現(xiàn)分詞的。針對(duì)不同的語(yǔ)言提供了不同的分析器。并且提供了一個(gè)通用的標(biāo)準(zhǔn)分析器StandardAnalyzer
（2）Lucene分詞的過(guò)程
分詞的時(shí)候，是以域?yàn)閱挝坏摹２煌挠颍嗷オ?dú)立。
同一個(gè)域中，拆分出來(lái)相同的詞，視為同一個(gè)詞（Term）
不同的域中，拆分出來(lái)相同的詞，不是同一個(gè)詞。
其中，Term是Lucene最小的語(yǔ)匯單元，不可再細(xì)分。
分詞的時(shí)候經(jīng)歷了一系列的過(guò)濾器。如大小寫轉(zhuǎn)換、去除停用詞等。
（3）分詞后索引庫(kù)結(jié)構(gòu)
索引庫(kù)中有兩個(gè)區(qū)域：索引區(qū)、文檔區(qū)。
文檔區(qū)存放的是文檔。Lucene給每一個(gè)文檔自動(dòng)加上一個(gè)文檔編號(hào)docID。
索引區(qū)存放的是索引。注意：
索引是以域?yàn)閱挝坏模煌挠?，彼此相互?dú)立。
索引是根據(jù)分詞規(guī)則創(chuàng)建出來(lái)的，根據(jù)索引就能找到對(duì)應(yīng)的文檔。
五、Field域
（1）三大屬性
1.是否分詞（tokenized）
只有設(shè)置了分詞屬性為true，lucene才會(huì)對(duì)這個(gè)域進(jìn)行分詞處理。
在實(shí)際的開發(fā)中，有一些字段是不需要分詞的，比如商品id，商品圖片等。
而有一些字段是必須分詞的，比如商品名稱，描述信息等。
- 是否索引（indexed）
只有設(shè)置了索引屬性為true，lucene才為這個(gè)域的Term詞創(chuàng)建索引。
在實(shí)際的開發(fā)中，有一些字段是不需要?jiǎng)?chuàng)建索引的，比如商品的圖片等。我們只需要對(duì)參與搜索的字段做索引處理。
3.是否存儲(chǔ)（stored）
只有設(shè)置了存儲(chǔ)屬性為true，在查找的時(shí)候，才能從文檔中獲取這個(gè)域的值。
在實(shí)際開發(fā)中，有一些字段是不需要存儲(chǔ)的。比如：商品的描述信息。
因?yàn)樯唐访枋鲂畔?，通常都是大文本?shù)據(jù)，讀的時(shí)候會(huì)造成巨大的IO開銷。而描述信息是不需要經(jīng)常查詢的字段，這樣的話就白白浪費(fèi)了cpu的資源了。
因此，像這種不需要經(jīng)常查詢，又是大文本的字段，通常不會(huì)存儲(chǔ)到索引庫(kù)。
（2）特點(diǎn)
三大屬性彼此獨(dú)立。
通常分詞是為了創(chuàng)建索引。
