开源项目Lucee的架构详细解析.pdf

copyright@Frankie All Rights Reserved 开源项目Lucene 的架构详细解析 开源项目Lucene 的架构详细解析 作者：华南理工大学软件学院 吴英骏 LUCENE 简介 Lucene 是apache 软件基金会jakarta 项目组的一个子项目，是一个开放源代码的全文检索 引擎工具包，即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，以方便的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。 作为一个开放源代码项目，Lucene 从问世之后，引发了开放源代码社群的巨大反响，程序 员们不仅使用它构建具体的全文检索应用，而且将之集成到各种系统软件中去，以及构建 Web 应用，甚至某些商业软件也采用了Lucene 作为其内部全文检索子系统的核心。apache 软件基金会的网站使用了Lucene 作为全文检索的引擎，IBM 的开源软件eclipse 的2.1 版 本中也采用了Lucene 作为帮助子系统的全文索引引擎，相应的IBM 的商业软件Web Sphere 中也采用了Lucene。Lucene 以其开放源代码的特性、优异的索引结构、良好的系 统架构获得了越来越多的应用。 Lucene 是一个高性能、可伸缩的信息搜索(IR)库。它使你可以为你的应用程序添加索引和 搜索能力。Lucene 是用java 实现的成熟的、免费的开源项目，是著名的Apache Jakarta 大家庭的一员，并且基于在Apache 软件许可 [ASF, License]。同样，Lucene 是当前与近 几年内非常流行的免费的Java 信息搜索(IR)库。 LUCENE 优点 Lucene 作为一个全文检索引擎，其具有如下突出的优点： （1）索引文件格式独立于应用平台。Lucene 定义了一套以8 位字节为基础的索引文件格 式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。 （2 ）在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立 小文件索引，提升索引速度。然后通过与原有索引的合并，达到优化的目的。 （3 ）优秀的面向对象的系统架构，使得对于Lucene 扩展的学习难度降低，方便扩充新功 能。 （4 ）设计了独立于语言和文件格式的文本分析接口，索引器通过接受Token 流完成索引文 件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。 （5 ）已经默认实现了一套强大的查询引擎，用户无需自己编写代码即使系统可获得强大的 查询能力，Lucene 的查询实现中默认实现了布尔操作、模糊查询（Fuzzy Search）、分组 查询等等。 面对已经存在的商业全文检索引擎，Lucene 也具有相当的优势。 首先，它的开发源代码发行方式（遵守Apache Software License ），在此基础上程序员不 仅仅可以充分的利用Lucene 所提供的强大功能，而且可以深入细致的学习到全文检索引擎 1 / 11 copyright@Frankie All Rights Reserved 开源项目Lucene 的架构详细解析 制作技术和面相对象编程的实践，进而在此基础上根据应用的实际情况编写出更好的更适合 当前应用的全文检索引擎。在这一点上，商业软件的灵活性远远不及Lucene。 其次，Lucene 秉承了开放源代码一贯的架构优良的优势，设计了一个合理而极具扩充能力 的面向对象架构，程序员可以在Lucene 的基础上扩充各种功能，比如扩充中文处理能力， 从文本扩充到HTML、PDF 等等文本格式的处理，编写这些扩展的功能不仅仅不复杂，而 且由于Lucene 恰当合理的对系统设备做了程序上的抽象，扩展的功能也能轻易的达到跨平 台的能力。 最后，转移到apache 软件基金会后，借助于apache 软件基金会的网络平台，程序员可以 方便的和开发者、其它程序员交流，促成资源的共享，甚至直接获得已经编写完备的扩充功 能。最后，虽然Lucene 使用Java 语言写成，但是开放源代码社区的程序员正在不懈的将 之使用各种传统语言实现（例如.net framework），在遵守