【Lucene】架构

Lucene 的架构可以简单拆成 “两大流程、六大模块、N 个核心类”。

下面用一张脑图思路 + 关键类清单帮你一次理清。

---

一、两大流程

阶段 关键动作 涉及核心类 

索引流程 分词 → 写倒排 → 刷盘/合并 `IndexWriter` `Analyzer` `Document` `Field` 

搜索流程 解析查询 → 检索 → 打分 → 收集结果 `IndexSearcher` `Query*` `Collector` `ScoreDoc` 

---

二、六大模块 & 代表类

模块 职责 重要类 / 接口 

analysis 把文本切成 Term（分词、过滤、大小写、停用词） `Analyzer` `Tokenizer` `TokenFilter` 

document 承载数据的“一行记录” `Document` `Field` `TextField` `StringField` 

index 写：建索引、刷盘、合并；读：读倒排、正排、向量 `IndexWriter` `IndexWriterConfig` `DirectoryReader` `LeafReader` 

store 抽象磁盘/内存目录，管理索引文件 `Directory` `FSDirectory` `RAMDirectory` 

search 查询解析、打分、排序、翻页、聚合 `IndexSearcher` `Query` `TermQuery` `BooleanQuery` `TopDocsCollector` 

util 辅助数据结构 `PriorityQueue` `FixedBitSet` 

---

三、核心类速查表（按使用频率）

类 一句话定位 

`IndexWriter` 写索引的入口，负责 `addDocument/updateDocument/forceMerge` 

`IndexWriterConfig` 控制分词器、合并策略、Codec 等所有写参数 

`Analyzer` 把原始文本变成 Token，常用实现 `StandardAnalyzer` 

`Document` 一条“记录”，内部由多个 `Field` 组成 

`Directory` 索引文件存放的抽象目录，`FSDirectory`/`RAMDirectory` 

`DirectoryReader` 打开只读视图，可感知实时刷新 `openIfChanged` 

`IndexSearcher` 搜索门面，封装打分器、Collector，执行 `search(query, collector)` 

`Query` 家族 查询语法树：TermQuery、BooleanQuery、RangeQuery、KnnVectorQuery… 

`Collector` 家族 结果收集器：TopDocsCollector、TotalHitCountCollector、自定义聚合 

`ScoreDoc` / `TopDocs` 搜索结果载体，含 docID + score + 排序键 

---

四、索引物理结构（对应类）

- Directory → 一个文件夹 = 一个索引  

- Segment → 每次 flush 产生一个段，对应 `LeafReader`  

- 倒排文件：`.tim/.tip/.doc/.pos/.pay` 由 `PostingsFormat` 管理（如 `Lucene90PostingsFormat`）  

- 正排/列存：`DocValues`（用于排序、聚合）  

- 存储字段：`.fdt/.fdx` 由 `StoredFieldsFormat` 管理

---

五、一句话总结

> Lucene = Analyzer 分词 + IndexWriter 写段 + DirectoryReader 读段 + IndexSearcher 查段 + Collector 收结果；

所有 API 都围绕 Document-Field / Query-Collector 这两组核心抽象旋转。