Lucene：修訂間差異

Lucene是Apache軟件基金會(huì)jakarta項(xiàng)目組的一個(gè)子項(xiàng)目，是一個(gè)開源代碼的全文檢索引擎工具包，即它不是一個(gè)完整的全文檢索引擎，而是一個(gè)全文檢索引擎的架構(gòu)，提供了完整的查詢引擎和索引引擎，部分文本分析引擎（英文與德文兩種西方語言）。Lucene的目的是為軟件開發(fā)人員提供一個(gè)簡(jiǎn)單易用的工具包，以方便的在目標(biāo)系統(tǒng)中實(shí)現(xiàn)全文檢索的功能，或者是以此為基礎(chǔ)建立起完整的全文檢索引擎。

Lucene的原作者是Doug Cutting，他是一位資深全文索引/檢索專家，曾經(jīng)是V-Twin搜索引擎的主要開發(fā)者，后在Excite擔(dān)任高級(jí)系統(tǒng)架構(gòu)設(shè)計(jì)師，目前從事于一些Internet底層架構(gòu)的研究。早先發(fā)布在作者自己的http://www.lucene.com/，后來發(fā)布在SourceForge，2001年年底成為apache軟件基金會(huì)jakarta的一個(gè)子項(xiàng)目：http://jakarta.apache.org/lucene/。

目錄

• 1 發(fā)布?xì)v史
• 2 特點(diǎn)優(yōu)勢(shì)
• 3 設(shè)計(jì)原理
• 4 安裝使用
• 5 相關(guān)資源
• 6 相關(guān)條目
• 7 參考來源

發(fā)布?xì)v史

Lucene最初是由Doug Cutting開發(fā)的，在SourceForge的網(wǎng)站上提供下載。在2001年9月做為高質(zhì)量的開源Java產(chǎn)品加入到Apache軟件基金會(huì)的 Jakarta家族中。隨著每個(gè)版本的發(fā)布，這個(gè)項(xiàng)目得到明顯的增強(qiáng)，也吸引了更多的用戶和開發(fā)人員。2004年7月，Lucene1.4版正式發(fā)布，10月的1.4.2版本做了一次bug修正。顯示了Lucene的發(fā)布?xì)v史?！　?

• 0.01 2000年3月 第一個(gè)開源版本(SourceForge)
• 1.0 2000年10月
• 1.01b 2001年7月 最后的SourceForge版本
• 1.2 2002年6月 第一個(gè)Apache Jakarta版本
• 1.3 2003年12月 復(fù)合索引格式，查詢分析器增加，遠(yuǎn)程搜索，token定位，可擴(kuò)展的API
• 1.4 2004年7月 Sorting, span queries, term vectors
• 1.4.1 2004年8月 排序性能的bug修正
• 1.4.2 2004年10月 IndexSearcher optimization and misc. fixes
• 1.4.3 2004年冬 Misc. fixes2.4.1 2009年3月8日發(fā)布新版本
• 2.3.0 2008年1月 更新為2.3.0
• 2.4.0 2008年10月 更新為2.4.0
• 2.4.1 2009年 5月 更新為 2.4.1
• 2.9.0 2009年9月25號(hào) 更新為2.9.0
• 2.9.1 2009年11月6號(hào) 更新為2.9.1
• 3.0.0 2009年11月25號(hào) 更新為3.0.0

特點(diǎn)優(yōu)勢(shì)

作為一個(gè)開放源代碼項(xiàng)目，Lucene從問世之后，引發(fā)了開放源代碼社群的巨大反響，程序員們不僅使用它構(gòu)建具體的全文檢索應(yīng)用，而且將之集成到各種系統(tǒng)軟件中去，以及構(gòu)建Web應(yīng)用，甚至某些商業(yè)軟件也采用了Lucene作為其內(nèi)部全文檢索子系統(tǒng)的核心。apache軟件基金會(huì)的網(wǎng)站使用了Lucene作為全文檢索的引擎，IBM的開源軟件Eclipse的2.1版本中也采用了Lucene作為幫助子系統(tǒng)的全文索引引擎，相應(yīng)的IBM的商業(yè)軟件Web Sphere中也采用了Lucene。Lucene以其開放源代碼的特性、優(yōu)異的索引結(jié)構(gòu)、良好的系統(tǒng)架構(gòu)獲得了越來越多的應(yīng)用。

Lucene是一個(gè)高性能、可伸縮的信息搜索(IR)庫。它使你可以為你的應(yīng)用程序添加索引和搜索能力。Lucene是用java實(shí)現(xiàn)的成熟的、免費(fèi)的開源項(xiàng)目，是著名的Apache Jakarta大家庭的一員，并且基于在Apache軟件許可 [ASF, License]。同樣，Lucene是當(dāng)前與近幾年內(nèi)非常流行的免費(fèi)的Java信息搜索(IR)庫。

Lucene作為一個(gè)全文檢索引擎，其具有如下突出的優(yōu)點(diǎn)：

• （1）索引文件格式獨(dú)立于應(yīng)用平臺(tái)。Lucene定義了一套以8位字節(jié)為基礎(chǔ)的索引文件格式，使得兼容系統(tǒng)或者不同平臺(tái)的應(yīng)用能夠共享建立的索引文件。
• （2）在傳統(tǒng)全文檢索引擎的倒排索引的基礎(chǔ)上，實(shí)現(xiàn)了分塊索引，能夠針對(duì)新的文件建立小文件索引，提升索引速度。然后通過與原有索引的合并，達(dá)到優(yōu)化的目的。
• （3）優(yōu)秀的HTML、[[[PDF]]]等等文本格式的處理，編寫這些擴(kuò)展的功能不僅僅不復(fù)雜，而且由于Lucene恰當(dāng)合理的對(duì)系統(tǒng)設(shè)備做了程序上的抽象，擴(kuò)展的功能也能輕易的達(dá)到跨平臺(tái)的能力。

  最后，轉(zhuǎn)移到apache軟件基金會(huì)后，借助于apache軟件基金會(huì)的網(wǎng)絡(luò)平臺(tái)，程序員可以方便的和開發(fā)者、其它程序員交流，促成資源的共享，甚至直接獲得已經(jīng)編寫完備的擴(kuò)充功能。最后，雖然Lucene使用Java語言寫成，但是開放源代碼社區(qū)的程序員正在不懈的將之使用各種傳統(tǒng)語言實(shí)現(xiàn)（例如.net framework），在遵守Lucene索引文件格式的基礎(chǔ)上，使得Lucene能夠運(yùn)行在各種各樣的平臺(tái)上，系統(tǒng)管理員可以根據(jù)當(dāng)前的平臺(tái)適合的語言來合理的選擇。

  設(shè)計(jì)原理

  lucene的檢索算法屬于索引檢索，即用空間來換取時(shí)間，對(duì)需要檢索的文件、字符流進(jìn)行全文索引，在檢索的時(shí)候?qū)λ饕M(jìn)行快速的檢索，得到檢索位置，這個(gè)位置記錄檢索詞出現(xiàn)的文件路徑或者某個(gè)關(guān)鍵詞。

  在使用數(shù)據(jù)庫的項(xiàng)目中，不使用數(shù)據(jù)庫進(jìn)行檢索的原因主要是：數(shù)據(jù)庫在非精確查詢的時(shí)候使用查詢語言“l(fā)ike %keyword%”，對(duì)數(shù)據(jù)庫進(jìn)行查詢是對(duì)所有記錄遍歷，并對(duì)字段進(jìn)行 “%keyword%”匹配，在數(shù)據(jù)庫的數(shù)據(jù)龐大以及某個(gè)字段存儲(chǔ)的數(shù)據(jù)量龐大的時(shí)候，這種遍歷是致命的，它需要對(duì)所有的記錄進(jìn)行匹配查詢。因此，lucene主要適用于文檔集的全文檢索，以及海量數(shù)據(jù)庫的模糊檢索，特別是對(duì)數(shù)據(jù)庫的xml或者大數(shù)據(jù)的字符類型。

  安裝使用

  Lucene入門使用

  相關(guān)資源

  • 官方地址：http://lucene.apache.org/
  • 軟件類型：開源軟件
  • 下載地址：http://www.apache.org/dyn/closer.cgi/lucene/java/
  • 推薦閱讀：征服AJAX + LUCENE構(gòu)建搜索引擎

  相關(guān)條目

  • 搜索引擎
  • Apache

  參考來源

  • 參考來源1
  • 參考來源2