在Lucene或数据库中存储数据

Question

我是Lucene的新手，我正在考虑使用它来索引RSS提要的标题和描述元素中的单词，以便我可以记录提要中最受欢迎的单词的计数。

需要各种搜索选项，有些搜索选项会由用户手动输入，而在其他情况下，系统会自动生成常用字词。所以我可以让Lucene使用查询字符串来返回自动案例中手动输入的关键字和TermEnums的点击次数？

系统还需要能够定期处理来自Feed的新数据。

现在，我可以使用Java中的哈希映射来计算很多/所有这些，但是如果我使用Lucene，我的问题就是存储计数字的最佳方法。要获取单个RSS提要，让Lucene在内存中创建临时索引是明智的，并传递单词和命中计数，以便其他程序可以将它们写入数据库？

或者，最好是为每个Feed创建一个Lucene文档，并在轮询时向其添加新的Feed数据？因此，如果在日期x和y之间需要关键字计数，Lucene可以返回值吗？这意味着我可以为Lucene条目添加日期戳，我还不确定。

希望这是有道理的。

摩根先生。

Answer 1

根据你在问题中给出的描述，我认为Lucene就足够了。 （不需要MySQL或Solr）。 Lucene API也易于使用，您无需更改前端代码。

从每个RSS Feed中，您可以创建一个Document，其中包含三个fields;即标题，描述和日期。日期最好为NumericField。然后，您可以在Feed到达时将每个文档附加到lucene索引。

您希望系统自动生成热门术语的频率如何？例如。你想向用户展示“上周最热门的术语”等吗？如果是这样，那么您可以使用NumericRangeFilter有效地搜索您存储的日期字段。获得满足日期范围的文档后，您可以在检索到的文档中找到每个术语的文档频率，以查找最常用的术语。 （不要忘记删除文档中的停用词（例如使用StopAnalyzer），否则最常用的术语将是停用词）

Answer 2

我建议您查看Apache Solr。简而言之，Solr是Lucene的一个支持Web的前端，它简化了集成并提供了增值功能。具体来说，数据导入处理程序使您的Lucene索引的新内容更新/添加非常简单。

此外，对于您要问的单词计数功能，Solr有一个“刻面”概念，它将完全符合您所描述的问题。

如果您已经熟悉Web应用程序，我肯定会考虑它：http://lucene.apache.org/solr/

Answer 3

Solr绝对是走的路，虽然我会警告不要在Windows上使用Apache Tomcat，因为安装过程是一场血腥的噩梦。如果您愿意的话，我很乐意引导您完成它，因为我现在已经完美地工作了。

您可能还会考虑MySQL的全文索引功能，Lucene要容易得多。

此致