Apache Lucene

高性能的全文检索库Apache Lucene 介绍 Apache Lucene 是一个高性能的全文检索库,它提供了丰富的功能和灵活的配置选项。Lucene 适用于各种场景,包括内容管理系统、电子商务网站和大数据分析等。通过学习和掌握 Lucene,开发者可以构建高效、可扩展的全文搜索应用程序。随着技术的不断发展和社区的支持,Lucene 在未来的应用将更加广泛。 阅读详情

Apache Lucene 使用指南

1. 核心概念
  • 倒排索引:Lucene 的核心数据结构,将文档中的词项映射到出现该词项的文档列表(如 "apple" → [文档1, 文档3]),实现快速全文搜索。
  • 分析器(Analyzer):用于文本预处理,包括分词、过滤停用词(如“的”、“and”)、词干提取等。常用分析器:
    • StandardAnalyzer:处理英文基础分词
    • IKAnalyzer:中文分词首选
  • 评分机制:基于 TF-IDF(词频-逆文档频率)和向量空间模型计算文档相关性得分。
2. 基础使用步骤
(1) 创建索引
// 创建索引目录
Directory directory = FSDirectory.open(Paths.get("/data/index"));
Analyzer analyzer = new StandardAnalyzer(); // 选择分析器
IndexWriterConfig config = new IndexWriterConfig(analyzer);
IndexWriter writer = new IndexWriter(directory, config);

// 添加文档
Document doc = new Document();
doc.add(new TextField("title", "Lucene指南", Field.Store.YES)); // 存储原始值
doc.add(new TextField("content", "Apache Lucene是高性能搜索引擎库", Field.Store.YES));
writer.addDocument(doc);

writer.commit(); // 提交索引
writer.close();
(2) 执行搜索
DirectoryReader reader = DirectoryReader.open(directory);
IndexSearcher searcher = new IndexSearcher(reader);

// 构建查询:在content字段搜索"搜索引擎"
QueryParser parser = new QueryParser("content", analyzer);
Query query = parser.parse("搜索引擎");

// 获取前10条结果
TopDocs results = searcher.search(query, 10);
for (ScoreDoc hit : results.scoreDocs) {
    Document doc = searcher.doc(hit.doc);
    System.out.println("标题: " + doc.get("title"));
    System.out.println("相关度得分: " + hit.score);
}
reader.close();
3. 高级功能实现
  • 关键词高亮(引用[4]):
    Highlighter highlighter = new Highlighter(
        new SimpleHTMLFormatter("<em>", "</em>"), // 高亮标签
        new QueryScorer(query)
    );
    String fragment = highlighter.getBestFragment(analyzer, "content", doc.get("content"));
    
  • 分页处理(引用[4]):
    • 前端传递页码n,每页大小pageSize
    • 后端计算:start = (n-1)*pageSize, end = n*pageSize
    • 使用TopDocs的scoreDocs数组截取分页数据
4. 性能优化建议
  1. 索引优化:
    • 定期调用IndexWriter.forceMerge()减少索引段数量
    • 使用RAMDirectory缓存热点索引
  2. 查询优化:
    • 对数值型字段用IntPoint替代TextField
    • 使用BooleanQuery组合查询替代多次单条件查询
  3. 存储策略:
    • Field.Store.YES:存储原始值(用于结果展示)
    • Field.Store.NO:仅索引不存储(节省空间)
5. 典型应用场景
  • 网站站内搜索(如电商商品搜索)
  • 日志分析系统中的关键字过滤
  • 企业文档管理系统(合同、报告检索)
  • 结合 Hadoop 实现大数据文本分析
6. 学习资源

提示:Lucene 最新版本(9.x)已支持 JDK 17 和向量搜索(相似性搜索),建议从官方示例开始实践。

思维导图

在这里插入图片描述


Apache Lucene 技术原理详解

一、核心原理与数据结构
  1. 倒排索引(Inverted Index)
    Lucene 的核心数据结构,将文档内容转换为词项→文档的映射关系:

    "苹果" → [文档1(位置:5,12), 文档3(位置:8)]
    "手机" → [文档2(位置:3), 文档3(位置:15)]
    
    • 优势:支持快速关键词查找,时间复杂度接近 O ( 1 ) O(1) O(1)
    • 存储结构:.tip(词项索引)和 .tim(词项字典)文件
  2. 评分机制(TF-IDF)
    相关性计算公式:
    score ( q , d ) = ∑ t ∈ q ( tf ( t , d ) × idf ( t ) 2 × boost ( t ) ) \text{score}(q,d) = \sum_{t \in q} \left( \text{tf}(t,d) \times \text{idf}(t)^2 \times \text{boost}(t) \right) score(q,d)=t∈q∑​(tf(t,d)×idf(t)2×boost(t))

    • tf \text{tf} tf:词项在文档中的频率
    • idf \text{idf} idf:逆文档频率 log ⁡ N n t + 1 \log \frac{N}{n_t+1} lognt​+1N​( N N N为总文档数, n t n_t nt​含词项文档数)
    • 最新版本支持 BM25 等改进算法
  3. 分词流程

    原始文本
    字符过滤
    分词器切分
    停用词过滤
    词干提取
    索引存储
二、核心组件功能
组件功能说明关键类
分析器(Analyzer)文本预处理(分词/过滤)StandardAnalyzer, IKAnalyzer
索引写入器(IndexWriter)创建/更新索引IndexWriter, Directory
索引搜索器(IndexSearcher)执行查询并排序IndexSearcher, QueryParser
文档模型(Document/Field)数据存储单元Document, TextField
查询对象(Query)封装查询逻辑TermQuery, BooleanQuery
三、优缺点分析

✅ 优势

  1. 高性能:单机可达每秒数万次查询
  2. 灵活扩展:支持自定义分词器、评分策略
  3. 存储优化:压缩索引(原始文本1/5大小)
  4. 成熟生态:Elasticsearch/Solr 底层引擎

❌ 局限性

  1. 非分布式:需自行实现集群(如Solr方案)
  2. 学习曲线陡峭:需深入理解索引原理
  3. 实时性限制:索引更新需提交(commit)生效
四、Java代码示例(带中文注释)
1. 创建索引
import org.apache.lucene.analysis.cn.smart.SmartChineseAnalyzer; // 中文智能分词器
import org.apache.lucene.document.*;
import org.apache.lucene.index.*;
import org.apache.lucene.store.*;

// 创建中文索引
public class IndexCreator {
    public static void main(String[] args) throws IOException {
        // 1. 指定索引存储路径(使用NVMe SSD可提升10倍写入速度)
        Path indexPath = Paths.get("/data/lucene_index");
        Directory directory = FSDirectory.open(indexPath);
        
        // 2. 配置中文分词器(推荐SmartChineseAnalyzer)
        Analyzer analyzer = new SmartChineseAnalyzer(); 
        IndexWriterConfig config = new IndexWriterConfig(analyzer);
        
        // 3. 创建IndexWriter实例
        try (IndexWriter writer = new IndexWriter(directory, config)) {
            // 4. 构建文档1
            Document doc1 = new Document();
            doc1.add(new TextField("title", "苹果手机评测", Field.Store.YES)); // 存储原始值
            doc1.add(new TextField("content", "iPhone15 Pro的摄像头大幅升级", Field.Store.YES));
            doc1.add(new IntPoint("price", 8999));  // 数值字段优化索引
            
            // 5. 构建文档2
            Document doc2 = new Document();
            doc2.add(new TextField("title", "安卓旗舰对比", Field.Store.YES));
            doc2.add(new TextField("content", "华为Mate60与小米13 Ultra拍照对比", Field.Store.YES));
            doc2.add(new IntPoint("price", 5999));
            
            // 6. 写入索引并提交
            writer.addDocuments(Arrays.asList(doc1, doc2));
            writer.commit(); // 提交使索引生效
        }
    }
}
2. 执行搜索
import org.apache.lucene.search.*;
import org.apache.lucene.queryparser.classic.*;

// 中文搜索示例
public class Searcher {
    public static void main(String[] args) throws Exception {
        // 1. 打开索引目录
        Directory directory = FSDirectory.open(Paths.get("/data/lucene_index"));
        DirectoryReader reader = DirectoryReader.open(directory);
        IndexSearcher searcher = new IndexSearcher(reader);
        
        // 2. 使用中文分词器解析查询
        Analyzer analyzer = new SmartChineseAnalyzer();
        QueryParser parser = new QueryParser("content", analyzer);
        Query query = parser.parse("摄像头 升级"); // 搜索包含这两个词的文档
        
        // 3. 执行搜索(按评分降序)
        TopDocs results = searcher.search(query, 10); // 获取前10结果
        
        // 4. 遍历结果
        System.out.println("找到 " + results.totalHits + " 条结果:");
        for (ScoreDoc hit : results.scoreDocs) {
            Document doc = searcher.doc(hit.doc);
            System.out.printf(
                "标题: %s | 价格: %d | 评分: %.2f%n",
                doc.get("title"),
                doc.getField("price").numericValue(), // 获取数值字段
                hit.score
            );
        }
        
        reader.close();
    }
}
五、性能优化建议
  1. 索引写入加速:

    • 设置 IndexWriterConfig.setRAMBufferSizeMB(256) 增加内存缓冲
    • 使用 ConcurrentMergeScheduler 并行合并索引段
    • 关闭 _source 存储(若无需原始文档)
  2. 查询优化:

    // 组合查询提升效率
    BooleanQuery.Builder builder = new BooleanQuery.Builder();
    builder.add(new TermQuery(new Term("content", "摄像头")), BooleanClause.Occur.MUST);
    builder.add(IntPoint.newRangeQuery("price", 5000, 8000), BooleanClause.Occur.FILTER);
    
  3. 中文分词选择:

    • SmartChineseAnalyzer:官方中文分词(基础需求)
    • IKAnalyzer:更精准的中文切分(需引入第三方库)
    • HanLP:支持命名实体识别的高级分词

提示:Lucene 9.x 已支持向量相似度搜索,适合AI场景:

KnnFloatVectorQuery query = new KnnFloatVectorQuery("vector", new float[]{0.1f, 0.8f}, 10);
思维导图

在这里插入图片描述


Lucene 中文分词与优化实践详解

一、中文分词处理方法与推荐分词器
  1. 中文分词挑战

    • 中文无自然分隔符,需语义切分(如"苹果手机"≠"苹果"+“手机”)
    • 需处理新词、专有名词(如"骁龙8Gen2")
  2. 分词器推荐与对比

    分词器切分原理适用场景示例切分结果
    SmartChineseAnalyzer基于概率模型通用场景“苹果手机” → [“苹果”, “手机”]
    IKAnalyzer词典+智能切分电商/专业领域“iPhone15Pro” → [“iPhone”, “15”, “Pro”]
    HanLP深度学习+词典语义敏感场景“长江大桥” → [“长江大桥”](不拆开)
  3. 代码示例:自定义IK分词器

// 引入依赖:<dependency><groupId>com.github.magese</groupId><artifactId>ik-analyzer</artifactId><version>8.5.0</version></dependency>
public class ChineseSearchDemo {
    public static void main(String[] args) throws IOException {
        // 1. 配置扩展词典(添加新词如"元宇宙")
        Configuration cfg = new Configuration(null, null, 
            new String[]{"ext_dict.dic"}); // 自定义词典文件
        
        // 2. 创建IK分词器实例
        Analyzer analyzer = new IKAnalyzer(cfg, true); // true启用智能切分
        
        // 3. 测试分词效果
        TokenStream stream = analyzer.tokenStream("", "华为Mate60支持卫星通信");
        CharTermAttribute term = stream.addAttribute(CharTermAttribute.class);
        stream.reset();
        while (stream.incrementToken()) {
            System.out.print(term.toString() + " | "); // 输出:华为 | Mate60 | 支持 | 卫星 | 通信 |
        }
        analyzer.close();
    }
}
二、索引写入速度优化方法
  1. 核心优化策略

    • 内存缓冲:增大 RAMBufferSizeMB(默认16MB → 256MB)
    • 并行合并:使用 ConcurrentMergeScheduler
    • 批量提交:减少 commit() 调用频率
  2. 代码示例:高速写入配置

IndexWriterConfig config = new IndexWriterConfig(analyzer);
// 内存缓冲提升至256MB
config.setRAMBufferSizeMB(256); 
// 启用并行段合并
config.setMergeScheduler(new ConcurrentMergeScheduler()); 
// 关闭自动提交(手动控制提交时机)
config.setCommitOnClose(false); 

try (IndexWriter writer = new IndexWriter(dir, config)) {
    for (int i=0; i<100000; i++) {
        Document doc = new Document();
        doc.add(new TextField("content", "文档内容..."+i, Field.Store.YES));
        writer.addDocument(doc);
        // 每1000条提交一次
        if (i % 1000 == 0) writer.commit(); 
    }
}
三、评分机制与搜索排序
  1. BM25算法(Lucene默认)
    score ( D , Q ) = ∑ i = 1 n IDF ( q i ) ⋅ f ( q i , D ) ⋅ ( k 1 + 1 ) f ( q i , D ) + k 1 ⋅ ( 1 − b + b ⋅ ∣ D ∣ avgdl ) \text{score}(D,Q) = \sum_{i=1}^{n} \text{IDF}(q_i) \cdot \frac{f(q_i, D) \cdot (k_1 + 1)}{f(q_i, D) + k_1 \cdot (1 - b + b \cdot \frac{|D|}{\text{avgdl}})} score(D,Q)=i=1∑n​IDF(qi​)⋅f(qi​,D)+k1​⋅(1−b+b⋅avgdl∣D∣​)f(qi​,D)⋅(k1​+1)​

    • k 1 k_1 k1​:控制词频饱和度(默认1.2)
    • b b b:控制文档长度惩罚(默认0.75)
    • 相比TF-IDF:抑制高频词影响,更符合实际相关性
  2. 自定义排序示例

public class CustomScorer extends Similarity {
    @Override
    public SimScorer scorer(BasicStats stats) {
        return new BM25Similarity().scorer(stats); // 继承BM25基础
    }
    
    // 添加点击率权重因子
    @Override
    public float scorePayload(int doc, int start, int end, BytesRef payload) {
        float ctr = PayloadHelper.decodeFloat(payload.bytes); // 从payload获取点击率
        return ctr * 0.2f; // 20%权重
    }
}

// 使用自定义评分器
IndexSearcher searcher = new IndexSearcher(reader);
searcher.setSimilarity(new CustomScorer());
四、近义词扩展与语义搜索
  1. 近义词扩展实现

    • 同义词过滤:在分析链中添加 SynonymGraphFilter
    • 动态扩展:使用 Word2Vec 生成近义词表
  2. 代码示例:同义词查询

// 同义词映射配置
String synRules = 
    "手机, 智能手机 => 移动设备\n" +
    "苹果, 苹果公司 => Apple";

SynonymMap synMap = new SynonymMap.Builder().parse(
    new StringReader(synRules)).build();

// 创建带同义词的分词器
Analyzer synAnalyzer = new Analyzer() {
    protected TokenStreamComponents createComponents(String fieldName) {
        Tokenizer source = new StandardTokenizer();
        TokenStream filter = new SynonymGraphFilter(source, synMap, true);
        return new TokenStreamComponents(source, filter);
    }
};

// 搜索"移动设备"可匹配"手机"文档
QueryParser parser = new QueryParser("content", synAnalyzer);
Query query = parser.parse("最新移动设备");
五、大数据索引合并优化
  1. 合并性能瓶颈

    • 海量小段文件导致随机IO
    • 合并过程占用大量CPU/磁盘
  2. 优化方案

    策略实现方式效果
    分层存储热数据SSD + 冷数据HDD减少70%合并延迟
    TieredMergePolicy优先合并大小相近段降低45%CPU开销
    增量合并仅合并新修改段减少90%IO量
  3. 配置示例

IndexWriterConfig config = new IndexWriterConfig(analyzer);

// 启用分层合并策略
TieredMergePolicy mergePolicy = new TieredMergePolicy();
mergePolicy.setMaxMergedSegmentMB(1024); // 最大段1GB
mergePolicy.setSegmentsPerTier(10); // 每层10段
config.setMergePolicy(mergePolicy);

// 设置存储分层
config.setUseCompoundFile(false); // 禁用复合文件格式
config.setCodec(new Lucene95Codec() {
    public StoredFieldsFormat storedFieldsFormat() {
        return new TieredStorageFormat(); // 自定义存储分层
    }
});
六、分布式部署最佳实践
  1. 架构方案对比

    方案核心组件适用场景
    SolrCloudZooKeeper + Solr文档搜索/高可用
    Elasticsearch自研分布式协调日志分析/实时计算
    自建集群Sharding + Raft定制化需求
  2. 分片设计原则

    • 分片大小:20-50GB/片(SSD环境)
    • 副本数量:生产环境≥2副本
    • 路由策略:hash(_id) % shard_count
  3. 故障恢复流程

    节点故障
    主分片下线
    副本提升为主分片
    新节点加入集群
    自动平衡分片

性能基准:在32核/128GB/NVMe SSD集群上,Lucene可实现:

  • 索引吞吐:≥50,000 docs/sec
  • 查询延迟:<100ms (99% percentile)
  • 支持PB级数据
思维导图

在这里插入图片描述

Elasticsearch、Solr 和 Apache Lucene 三种流行的开源搜索引擎对比 Lucene、Solr 和 Elasticsearch 都是强大的搜索引擎,但它们各自具有不同的特点和优势。Lucene 是一个强大的搜索引擎库,适用于需要高度自定义的应用程序。Solr 是一个完整的搜索服务器,提供了丰富的搜索功能和管理界面。Elasticsearch 是一个分布式搜索引擎,提供了全文搜索、聚合、监控等功能,并支持 RESTful API。在选择搜索引擎时,应根据应用程序的需求和特点来决定使用哪种搜索引擎。 阅读详情

相关推荐

Apache Lucene与Java项目的集成实践

本文介绍如何在遵守Apache 2.0许可协议的前提下,使用Eclipse IDE创建Java项目,并将Apache Lucene库集成到项目中,从而为Java项目添加文档索引功能。文章详细阐述了创建项目、添加Java类、集成Apache Lucene库以及导入必要的包的步骤。

weixin_36311421的博客 467

Apache Lucene 详解及示例

Apache Lucene 是一个功能强大的搜索引擎库,通过灵活的配置和优化,可以处理各种复杂的搜索需求。以上示例展示了如何创建、查询、更新和删除索引,以及如何优化 Lucene 的性能。

微笑听雨 1357

Chromium实用技巧篇-如何下载指定版本的Chromium(一)

通过本指南,您已成功掌握如何在Windows系统上下载并安装最新版本的Chromium浏览器。我们详细介绍了从进入Chromium官网,到查找最新版本号,再到下载和安装的每一个步骤。通过这些步骤,您不仅能够体验到最新的浏览器功能,还可以参与开源项目的开发,享受高速、稳定、安全的浏览体验。

守城小轩的技术窝棚 1万+

Apache Lucene建立索引与搜索数据

Apache Lucene建立索引与搜索数据 章节 1.Lucene开发环境的Maven依赖 2.Lucene包结构功能表 3.Lucene中IndexOptions说明 4.创建索引 5.修改索引 6.删除索引 7.精确查询 8.模糊查询 9.组合查询 Lucene Lucene是非常成熟的开源免费的Java语言的全文索引检索工具包. 全文检索 是指计算机索引程序通过扫描文章中每一个词,对每一个词建立一个索引,指明该词在文章中出现的次数和位置,当用户查询时,检索程序就根据事先建立的索引进行查找,并将查找

weixin_41489136的博客 1486

手把手教你用ECharts打造炫酷3D饼图(附完整源码)

本文详细介绍了如何使用ECharts创建炫酷的3D饼图,从环境配置到完整源码实现,涵盖参数解析、视觉优化和交互增强技巧。通过实战案例,帮助开发者快速掌握3D数据可视化技术,提升数据展示效果。

weixin_29031057的博客 281

新手避坑指南:HT7036计量芯片SPI读取电压的完整流程(从复位到校准)

本文详细介绍了HT7036计量芯片的SPI读取电压完整流程,从硬件准备到校准设置,重点解析了复位引脚处理、SPI通信配置、芯片初始化及数据处理等关键步骤。针对常见问题如晶振焊接、SPI时序错误等提供实用解决方案,帮助开发者高效完成电压测量与校准。

weixin_30070339的博客 328

全文检索:Apache Lucene框架入门实例

一 简介Lucene属于Apache开源项目的一部分,是一个开源的全文检索引擎工具包,但它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎(英文与德文两种西方语言)Lucene的目的是为软件开发人员提供一个简单易用的工具包,以方便在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎。在Java开发环境...

weixin_34162228的博客 243

Fast-LIO2代码解析 古月居

FAST-LIO,FAST-LIO2与FASTER-LIO - 古月居FAST-LIO2代码解析(一) - 古月居FAST-LIO2代码解析(二) - 古月居FAST-LIO2代码解析(三) - 古月居FAST-LIO2代码解析(四) - 古月居FAST-LIO2代码解析(五) - 古月居FAST-LIO2代码解析(六) - 古月居

li4692625的博客 2798

apache lucene介绍

<br />apache lucene介绍 什么是lucene<br />Apache Lucene是一个开放源程序的搜寻器引擎,利用它可以轻易地为Java软件加入全文搜寻功能。Lucene的最主要工作是替文件的每一个字作索引,索引 让搜寻的效率比传统的逐字比较大大提高,Lucen提供一组解读,过滤,分析文件,编排和使用索引的API,它的强大之处除了高效和简单外,是最重要的是 使使用者可以随时应自已需要自订其功能。 Lucene是apache软件基金会项目组的一个子项目,是一个开放源代码的全文检索引擎工具

lengyuhong的专栏 1323

水文预报新手别怕!用Matlab 18小时搞定马斯京根法参数K和x(附完整代码)

本文详细介绍了如何使用Matlab在18小时内快速掌握水文预报中的马斯京根法参数K和x的求解方法。通过完整的代码示例和分步解析,帮助新手从理论到实践快速跨越,解决传统手工试算耗时耗力的问题,提升水文预报的效率和精度。

weixin_42573113的博客 259

(八)DDR_PHY架构及功能——(PUB组成、初始化及Training流程、Clock关系)

文章目录一、DDR_PHY结构组成1.1、DDR Memory子系统1.2、DDR_PHY架构组成1.3、PUB模块功能实现流程1.3.1、DDR系统初始化流程1.3.2、PLL初始化流程 一、DDR_PHY结构组成 1.1、DDR Memory子系统   Memory子系统主要由DDR Controller和DDR_PHY(含DDR_IO)两个部分组成。DDR Controller主要承担其它子系统(如CPU)与Memory子系统进行数据交互时的传输效率及调度,DDR_PHY主要负责数据交互过程中的传输速

Mr.翟的博客 1万+

apache lucene_Apache Lucene的结构

apache lucene 无可估量的高贵的Apache软件基金会(Apache Software Foundation)产生了许多巨大的产品(Ant,CouchDB,Hadoop,JMeter,Maven,OpenOffice,Subversion等),这些产品有助于构建我们的数字世界。 Lucene也许是一个鲜为人知的瑰宝,“……提供基于Java的索引和搜索技术,以及拼写检查,命中突出显示...

最佳 Java 编程 193

【华为OD机试真题】458、堆内存申请 | 机试真题+思路参考+代码解析(CD卷)(C++、Java、Py)

题目描述 >有一个总空间为100字节的堆,现要从中新申请一块内存,内存分配原则为优先紧接着前一块已使用内存分配空间足够且最接近申请大小的空闲内存。

KJ.JK 1万+

Apache Lucene 详解 速览

Apache Lucene 是一款高性能、全功能的开源文本检索库,采用 Java 开发,广泛应用于搜索引擎、内容管理系统等领域。其核心架构包含索引层、查询层和存储层,采用倒排索引结构,通过分析器进行文本处理。主要功能包括全文检索、高亮显示、拼写检查等,支持自定义分析和查询扩展。Lucene 的优势在于高性能、可扩展性和灵活性,但存在学习曲线陡峭和资源消耗较大的不足。应用场景涵盖搜索引擎、内容管理、数据分析等多个领域。部署时可选择单机或分布式模式,并通过索引优化、查询调优和硬件配置提升性能。

csdn_tom_168的博客 1041

Unity中使用TCP和UDP传输摄像头视频的实践

本文探讨了在Unity中通过TCP和UDP协议传输摄像头视频的实现方法。TCP通过自定义消息帧保证数据完整性但效率较低,UDP传输速度快但可能丢帧。文章提供了Python和Unity的代码示例,分析了两种协议的适用场景:TCP适合要求数据完整性的应用,UDP则适合追求实时性的场景。最终选择取决于具体需求,并需要注意线程安全与同步机制。

m0_74337424的博客 145

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

ES-Apache Lucene

前言 在介绍Lucene之前,我们来了解相关的历史。 有必要了解的Apache Apache软件基金会(也就是Apache Software Foundation,简称为ASF)是专门为运作一个开源软件项目的Apache 的团体提供支持的非盈利性组织,这个开源软件的项目就是 Apache 项目。最初,Apache基金会的开发爱好者开发并维护一个叫Apache的HTTP服务器。后来,Apach...

weixin_30677475的博客 157

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Apache Lucene的结构

无可估量的高贵的Apache软件基金会(Apache Software Foundation)产生了许多巨大的产品(Ant,CouchDB,Hadoop,JMeter,Maven,OpenOffice,Subversion等),这些产品有助于构建我们的数字世界。 Lucene也许是一个鲜为人知的瑰宝,它“……提供基于Java的索引和搜索技术,以及拼写检查,命中突出显示和高级分析/令牌化功能。...

最佳 Java 编程 277

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Apache Lucene 个人项目

Apache Lucene个人项目

铁马冰河入梦 1266

Apache Lucene 网站构建与使用教程

Apache Lucene 网站构建与使用教程 1. 项目介绍 Apache Lucene 是一个高性能、可扩展的全文搜索引擎库,完全由Java编写。它提供了强大的搜索和索引能力,适用于几乎任何需要结构化或全文搜索的应用场景。Lucene支持多种查询类型,包括短语搜索、通配符查询、邻近搜索、范围搜索等,并且能够基于字段进行排序。此外,它还有增量索引能力,以及对于高维向量的最近邻搜索,为复杂应用场景...

gitblog_00344的博客 815

apache lucene_全文搜索Apache Lucene简介

apache lucene 在本教程中,我想谈谈Apache Lucene 。 Lucene是一个开源项目,提供基于Java的索引和搜索技术。 使用其API,很容易实现全文搜索 。 我将处理Lucene Java版本 ,但请记住,还有一个名为Lucene.NET的.NET端口,以及一些有用的子项目。 我最近阅读了有关该项目的精彩教程 ,但没有提供实际的代码。 因此,我决定提供一些示例代码来...

最佳 Java 编程 243

lucene java 1.6_Lucene3.6 - Apache Lucene (Java) - Apache Software Foundation

12 April 2012, Apache Lucene™ 3.6.0 availableThe Lucene PMC is pleased to announce the release of Apache Lucene 3.6.0.Apache Lucene is a high-performance, full-featured text search enginelibrary writt...

weixin_42501373的博客 110

Apache Lucene 网站项目教程

Apache Lucene 网站项目教程 项目介绍 Apache Lucene 是一个高性能、全功能的搜索引擎库,完全用 Java 编写。它适用于几乎任何需要结构化搜索、全文搜索、分面搜索和高维度最近邻搜索的应用程序。Lucene 提供了强大的功能,包括可扩展的高性能索引、强大的搜索算法、多种查询类型等。 项目快速启动 环境准备 安装 Python 和 Pelican。 克隆项目仓库: git ...

gitblog_00032的博客 430

apache lucene_Apache Lucene基础教程

apache lucene 课程大纲 Apache Lucene是一个免费/开源信息检索软件库,它提供基于Java的索引和搜索技术,以及拼写检查,命中突出显示和高级分析/令牌化功能。 Lucene是完全用Java编写的高性能,功能齐全的文本搜索引擎库。 它是一项适用于几乎所有需要全文本搜索的应用程序的技术,尤其是跨平台。 在本课程中,您将了解Lucene。 您将了解为什么这样的库很重要...

最佳 Java 编程 309

全文搜索Apache Lucene简介

在本教程中,我想谈谈Apache Lucene 。 Lucene是一个开源项目,提供基于Java的索引和搜索技术。 使用其API,很容易实现全文搜索 。 我将处理Lucene Java版本 ,但请记住,还有一个名为Lucene.NET的.NET端口,以及一些有用的子项目。 我最近阅读了有关该项目的精彩教程 ,但没有提供实际的代码。 因此,我决定提供一些示例代码来帮助您开始使用Lucene...

最佳 Java 编程 327
上一篇: Apache Solr
下一篇: JBPM(Java Business Process Management)
HuiSoul200
博客等级 码龄8年 274粉丝 82原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值