这篇文章介绍下这个 Lucene，下篇写写 ElasticSearch , 然后再继续填 Spring 的坑 🕳
内容的话就很基础啦🐖，希望能帮你快速入门，了解下它
目录
为啥要介绍这个 Lucene 呢？毕竟它是搜索引擎核心中的核心
其实是因为我想体验下这个工具包，试着感受下 ElasticSearch 为啥要封装它？以及他们之间的联系~ 等🐖
Lucene
Lucene 是一个开源的，全文索引工具包。有 索引，搜索，分词 等功能
是 ElasticSearch 和 Apache Solr 的核心。
在 MySQL 中，Innodb 和 MyISAM 的索引结构都是 B+树， 而到了 Lucene , 就不得不说下这个倒排索引了。
倒排索引
这个就是通过 value ——> Key ，感觉有点像 MySQL 的回表操作🐖，但是这里还有 分词，文档 等概念。
比如我们平时在 百度，Google ，电商平台等中进行搜索时，就是通过这个 关键字 找到相应的 文档 内容出来
概念
下面会介绍下这些概念 👇
他们之间的关系就用这个来表示啦，这个也是本文的重点🐖
下面开始一一介绍啦😄
文档
对应 Document 对象 👇
文档 是 Lucene 内部的数据结构，索引文档时，会按照一定规则去创建索引，生成倒排索引文件。
查询时就直接搜索到对应的索引文件，获取数据，效率非常高！
它是搜索和索引的单位，也是字段的集合。
字段
对应 Field 对象 👇 ，由三部分组成 ：name，type，value
- name ：字段域名， 可以看作我们创建的 Model 的属性名称，如 name，age，id 等等，在同个索引库中是唯一的
- value : 字段值， 存储文档的部分内容，如
name：Java4ye这个 Field 中的值 Java4ye
- type : 字段类型，如 是否分词，索引，存储 等
词汇
对应 Term 对象 👇 ，由两部分组成 ：name，value
- name ：Field 的名称 ，即 字段域名
- value : Field 中文档的部分内容 ，即 字段值
如果还不清楚，那么再看看下面这里你就懂啦~
分词
这个是超级核心！ 🐖
分词的目的是为了索引，索引的目的是为了搜索，就像查字典一样🐖
分词的过程是先分词，再过滤（过滤掉标点符号，停用，重复的词，大写转成小写等）
比如这个标准分词器 ： StandardAnalyzer 👇
通过注释可以发现它会进行 停用词，大写转成小写 的过滤操作。
中文分词器推荐 IK-Analyzer
小结
那么到了这里，咱们再把上面的知识点串一串~ 😄
通过咱们这个分词器，会对字段域中的 value 进行分词，当然你也可以根据需求选择不分词。
不分词就一个 Term ，分词后会产生很多 Term，Term 的 name 就是这个 字段域的名称， Value 就是分出来的词。
比如 对 desc:nice to meet you 的字段域进行过分词。会出现这四个单词：nice，to，meet，you
索引库
差点漏了这个~
可以看到里面有 段的概念 Segment 和 锁🔒 等
把整个文件夹看到一个 Index，Segment 就是里面的 sub-index。
当创建索引时，不是立刻就刷到磁盘的，需要先写入缓冲区，然后等满了，或者关闭
了，手动 flush 等操作才一起写入磁盘，这也是它为什么是 近实时而非实时查询 的原因 🐖
查询时其实就是在 Segment 中查找，需要对多个 Segment 进行合并，搜索，找到相应
的 docID ，再去存放数据的文件中获取并返回。
Luke
下载地址：
这里用这个 Luke 工具演示下 👇
可以看到 desc 字段域分词后有四个 Term 。
上面介绍完了这些概念，这里就来开始实践啦，将这些概念串联起来，代码同样可以在 Github 上获取 👇
全文检索流程
这里就两个操作👉 创建索引 和 查询索引 ，操作步骤写代码里啦，就不多说了🐖
创建索引
查询索引
奇怪的收获
由于项目中引入了 ElasticSearch , 它的底层核心又是 Lucene ，所以这里我没有再去引入 Lucene , 而是直接使用，结果却成了踩坑的开始🐖
这里可以看到 Lucene 是8.5.1 版本的，这样 Lulke 工具是运行不了的 ，会报错，但是 Lucene8.0 版本可以运行，所以得重新引包。
为啥报错呢？
可以看到作者在说这个工具不维护了🐖
而 Lucene 也早就捐献给 Apache 了
同时我还发现了 Luke 工具使用到这个 JavaSPI 机制。
还有 Lucene 底层关键字的数据结构是 跳跃表 ( Redis 也用到了）， FST 状态机。
FST, 全称Finite State Transducer, 中文翻译: 有限状态转换器或有限状态传感器。 FST 最重要的功能是可以实现 Key 到 Value 的映射，相当于 HashMap。FST 的内存消耗要比HashMap 少很多，但 FST 的查询速度比 HashMap 要慢。FST 在 Lucene 中被大量使用，例如：倒排索引的存储，同义词词典的存储，搜索关键字建议等
跳跃表 不支持模糊查询 ，FST 支持模糊查询
搜过过程
大概就是这样，通过这个词，去找到对应的文档id，再获取文档出来，依据权重啥的排序。
词典数据结构有这么多种👇
最后
本文就分享到这里啦🐖
往细了看，可以发现这里涉及到很多 IO原理，以及底层数据结构的知识，编码上目前就粗略认识到这个 JavaSPI 的使用。
快去敲下代码，了解这些概念吧，这样是不是也能有个基础版的搜索引擎了 哈哈😝
