【lucene核心】impacts的由来

在 Lucene 的 Impact 概念（出现在 `ImpactsEnum` / `Impact` 对象里）中：

字段 含义 

freq 当前 term 在该文档中出现了多少次（即词频 term frequency）。 

norm 当前 文档在该字段中的长度因子（即之前 norms 里保存的压缩长度值，用来归一化打分）。 

---

举个例子

文档 7：

- 字段 `title` 内容：`"lucene lucene search"`  

- 分词后：`lucene`(2 次)、`search`(1 次)

- 对 term `"lucene"` 的 `Impact`  

  - freq = 2（出现了 2 次）  

  - norm = 压缩后的字段长度 3（3 个 token）

---

一句话

- freq → term 在文档里的出现次数  

- norm → 文档在该字段的总 token 数（压缩后的长度因子）

/** Get the set of competitive freq and norm pairs, ordered by increasing freq and norm. */

  public Collection<Impact> getCompetitiveFreqNormPairs() {

    List<Impact> impacts = new ArrayList<>();

    int maxFreqForLowerNorms = 0;

    for (int i = 0; i < maxFreqs.length; ++i) {

      int maxFreq = maxFreqs[i];

      if (maxFreq > maxFreqForLowerNorms) {

        impacts.add(new Impact(maxFreq, (byte) i));

        maxFreqForLowerNorms = maxFreq;

      }

    }

    if (otherFreqNormPairs.isEmpty()) {

      // Common case: all norms are bytes

      return impacts;

    }

    TreeSet<Impact> freqNormPairs = new TreeSet<>(this.otherFreqNormPairs);

    for (Impact impact : impacts) {

      add(impact, freqNormPairs);

    }

    return Collections.unmodifiableSet(freqNormPairs);

}

这段代码的作用是：

把当前 term 所有可能出现的 “最大词频 + 对应 norm” 组合，按 freq 升序、norm 升序整理成一条紧凑的 “上限表”（Impact 列表），

供 Block-Max WAND 等跳表算法 在查询时快速判断 “剩下这些文档再也不可能超过当前阈值”，从而提前剪枝、加速 Top-k 检索。

-