lucene倒排索引的存儲方式介紹

這篇文章主要講解了“l(fā)ucene倒排索引的存儲方式介紹”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“l(fā)ucene倒排索引的存儲方式介紹”吧！

        在談?wù)刲ucene倒排索引的存儲方式中只說明了倒排索引位置相關(guān)信息的存儲，并沒有詳細說明如果需要對位置信息進行隨機訪問，那么它的索引該如何設(shè)計。lucene采用的是多級跳躍鏈表的方式，先說說跳躍鏈表基本思想（其實在前面文中也提過），假設(shè)給定一堆排過序的數(shù)字，并且數(shù)據(jù)量很大以至于在內(nèi)存中放不下，如果要快速隨機訪問其中的某個數(shù)值，一種方法是對這些數(shù)字每隔一定的條數(shù)如1000條就記錄相應(yīng)的數(shù)值以及對應(yīng)的文件指針，然后把這些數(shù)值以及對應(yīng)的文件指針加載到內(nèi)存中采用二分查找法找到欲查找數(shù)值所在數(shù)據(jù)塊的起始地址，然后將1000條記錄依次遍歷比較或者加載到內(nèi)存中采用二分查找都可以，這些數(shù)值和文件指針又叫一級跳躍表。

        如果說一級跳躍表的數(shù)據(jù)量依然很大，那么又要在此基礎(chǔ)上再建立一層跳躍表，依此類推就會有多級跳躍表了。值得一提的是級數(shù)并不是越多越好，因為層級越多，查找的次數(shù)也越多，lucene默認(rèn)最大層級為10。

上圖是lucene官方給出的示圖（一個詞代表的倒排位置索引），d代表文檔，x代表每隔128個文檔進行壓縮的文件指針也是第一層級的索引記錄了相應(yīng)的文檔ID和所在文件的指針，c分別為第二層級和第三層級。這樣感覺在代碼實現(xiàn)上較復(fù)雜的索引結(jié)構(gòu)確在lucene實現(xiàn)的時候顯得非常討巧，因為總的層級可以預(yù)先算出來，然后可以邊寫邊計算出文檔所在層級。有興趣滴還是看代碼吧。

感謝各位的閱讀，以上就是“l(fā)ucene倒排索引的存儲方式介紹”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對lucene倒排索引的存儲方式介紹這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！