Question

Lucene索引的内存表示（与文件格式相反）是什么样的？是否将整个反向索引加载到内存中，例如作为一系列发布列表（每个发布列表包含文档ID，文档中的术语频率和位置）？像

这样的东西

class Posting {
  private int docID;
  private int termFreq;
  private int[] termPositions;
}

class PostingList {
  private Posting[] postings;
}

public class SomeClassThatHoldsTheIndexInMemory {
  private PostingList[] index;  // Indexed by some internal term ID?
}

我理解构成索引的所有内容（包括有关术语的辅助信息）可能都不会保留在内存中，但肯定会有什么？

哪些类定义了索引的内存中表示？如果索引看起来像上面那样，Lucene如何从一个术语（一个字符串）转到一个术语ID（一个int）？

Answer 1

Lucene内存中表示被定义为RAMDirectory类。基本上，HashMap String（键）和（RAMFile s）。反过来，RAMFile是表示文件字节的字节缓冲区列表。您将存储在FSDirectory中的相同信息。

Lucene存储倒排索引。索引被组织为一组增量（可能是未合并的）段。每个段属于“索引提交”，并且每个段或多或少是另一个倒排索引。您甚至可以找到仅包含一个文档的倒排索引的“段”。

“发布”或Document原始结构在您将其添加到索引后就会丢失。而且，你不能迭代整个文档集合（据我所知）。无论如何，没有什么能阻止你将你的帖子/文档存储在二级结构中，或者在索引中存储它的序列化版本，或者将它的对象属性逐个存储为StoredField;也不在字段中定义自己的“可迭代”文档ID。

DirectoryReader和SegmentReader处理索引的内部结构。

在我使用Lucene的时候，我从未见过像“术语ID”这样的东西。但是，“文档ID”是一个常见的概念。

Lucene在索引中的内存表示是什么样的？

1 个答案: