Lucene学习总结之七Lucene搜索过程解析

1、2.4、搜索查询对象 2.4.3、进行倒排表合并在得到了Scorer对象树以及SumScorer对象树后，便是倒排表的合并以及打分计算的过程。合并倒排表在此节中进行分析，而Scorer对象树来进行打分的计算则在下一节分析。BooleanScorer2.score(Collector) 代码如下：public void score(Collector collector) throws IOException   collector.setScorer(this);  while (doc = countingSumScorer.nextDoc() != NO_MO

2、RE_DOCS)     collector.collect(doc);  从代码我们可以看出，此过程就是不断的取下一篇文档号，然后加入文档结果集。取下一篇文档的过程，就是合并倒排表的过程，也就是对多个查询条件进行综合考虑后的下一篇文档的编号。由于SumScorer是一棵树，因而合并倒排表也是按照树的结构进行的，先合并子树，然后子树与子树再进行合并，直到根。按照上一节的分析，倒排表的合并主要用了以下几个SumScorer:· 交集ConjunctionScorer · 并集DisjunctionSumScorer · 差集R

3、eqExclScorer · ReqOptSumScorer 下面我们一一分析：2.4.3.1、交集ConjunctionScorer(+A +B)ConjunctionScorer中有成员变量Scorer scorers，是一个Scorer的数组，每一项代表一个倒排表，ConjunctionScorer就是对这些倒排表取交集，然后将交集中的文档号在nextDoc()函数中依次返回。为了描述清楚此过程，下面举一个具体的例子来解释倒排表合并的过程：(1) 倒排表最初如下： (2) 在ConjunctionScorer的构造函数中，首先调用每个Scorer的nextDoc()函

4、数，使得每个Scorer得到自己的第一篇文档号。for (int i = 0; i < scorers.length; i+)   if (scorersi.nextDoc() = NO_MORE_DOCS)     /由于是取交集，因而任何一个倒排表没有文档，交集就为空。    lastDoc = NO_MORE_DOCS;    return;  (3) 在ConjunctionScorer的构造函数中，将Scorer按照第一篇的文档号从小到大进行排列。Arrays.sort

5、(scorers, new Comparator<Scorer>()   public int compare(Scorer o1, Scorer o2)     return o1.docID() - o2.docID();  );倒排表如下： (4) 在ConjunctionScorer的构造函数中，第一次调用doNext()函数。if (doNext() = NO_MORE_DOCS)   lastDoc = NO_MORE_DOCS;  return;private int doNext() t

6、hrows IOException   int first = 0;  int doc = scorersscorers.length - 1.docID();  Scorer firstScorer;  while (firstScorer = scorersfirst).docID() < doc)     doc = firstScorer.advance(doc);    first = first = scorers.length - 1 ? 0 : first + 1;

7、0;   return doc;姑且我们称拥有最小文档号的倒排表称为first，其实从doNext()函数中的first = first = scorers.length - 1 ? 0 : first + 1;我们可以看出，在处理过程中，Scorer数组被看成一个循环数组(Ring)。而此时scorerscorers.length - 1拥有最大的文档号，doNext()中的循环，将所有的小于当前数组中最大文档号的文档全部用firstScorer.advance(doc)(其跳到大于或等于doc的文档)函数跳过，因为既然它们小于最大的文档号，而ConjunctionScorer又是

8、取交集，它们当然不会在交集中。此过程如下：· doc = 8，first指向第0项，advance到大于8的第一篇文档，也即文档10，然后设doc = 10，first指向第1项。  · doc = 10，first指向第1项，advance到文档11，然后设doc = 11，first指向第2项。  · doc = 11，first指向第2项，advance到文档11，然后设doc = 11，first指向第3项。  · doc = 11，first指向第3项，advance到文档11，然后设doc = 11，first指

9、向第4项。  · doc = 11，first指向第4项，advance到文档11，然后设doc = 11，first指向第5项。  · doc = 11，first指向第5项，advance到文档11，然后设doc = 11，first指向第6项。  · doc = 11，first指向第6项，advance到文档11，然后设doc = 11，first指向第7项。  · doc = 11，first指向第7项，advance到文档11，然后设doc = 11，first指向第0项。  · d

10、oc = 11，first指向第0项，advance到文档11，然后设doc = 11，first指向第1项。  · doc = 11，first指向第1项。因为11 < 11为false，因而结束循环，返回doc = 11。这时候我们会发现，在循环退出的时候，所有的倒排表的第一篇文档都是11。  (5) 当BooleanScorer2.score(Collector)中第一次调用ConjunctionScorer.nextDoc()的时候，lastDoc为-1，根据nextDoc函数的实现，返回lastDoc = scorersscorers.length

11、 - 1.docID()也即返回11，lastDoc也设为11。public int nextDoc() throws IOException   if (lastDoc = NO_MORE_DOCS)     return lastDoc;  else if (lastDoc = -1)     return lastDoc = scorersscorers.length - 1.docID();    scorers(scorers.length - 1).nextDoc(); 

12、return lastDoc = doNext();(6) 在BooleanScorer2.score(Collector)中，调用nextDoc()后，collector.collect(doc)来收集文档号(收集过程下节分析)，在收集文档的过程中，ConjunctionScorer.docID()会被调用，返回lastDoc，也即当前的文档号为11。(7) 当BooleanScorer2.score(Collector)第二次调用ConjunctionScorer.nextDoc()时：· 根据nextDoc函数的实现，首先调用scorers(scorers.length - 1

13、).nextDoc()，取最后一项的下一篇文档13。  · 然后调用lastDoc = doNext()，设doc = 13，first = 0，进入循环。 · doc = 13，first指向第0项，advance到文档13，然后设doc = 13，first指向第1项。  · doc = 13，first指向第1项，advance到文档13，然后设doc = 13，first指向第2项。  · doc = 13，first指向第2项，advance到文档13，然后设doc = 13，first指向第3项。 ·

14、doc = 13，first指向第3项，advance到文档13，然后设doc = 13，first指向第4项。  · doc = 13，first指向第4项，advance到文档13，然后设doc = 13，first指向第5项。  · doc = 13，first指向第5项，advance到文档13，然后设doc = 13，first指向第6项。  · doc = 13，first指向第6项，advance到文档13，然后设doc = 13，first指向第7项。  · doc = 13，first指向第7项，advance到文档13，然后设doc = 13，first指向第0项。