lucene索引

Lucene4.x之后的所有索引格式如下所示：

文件名后缀描述

SegmentsFilesegments.gen,segments_N存储段文件的提交点信息

LockFilewrite.lock文件锁，保证任何时刻只有一个线程可以写入索引

SegmentInfo.si存储每个段文件的元数据信息

CompoundFile.cfs,.cfe复合索引的文件，在系统上虚拟的一个文件，用于频繁的文件句柄

Fields.fnm存储域文件的信息

FieldIndex.fdx存储域数据的指针

FieldData.fdt存储所有文档的字段信息

TermDictionary.timterm字典，存储term信息

TermIndex.tipterm字典的索引文件

Frequencies.frq词频文件，包含文档列表以及每一个term和其词频

Positions.prx位置信息，存储每个term，在索引中的准确位置

Norms.nrm.cfs,.nrm.cfe存储文档和域的编码长度以及加权因子

Per-DocumentValues.dv.cfs,.dv.cfe编码除外的额外的打分因素，

TermVectorIndex.tvxterm向量索引，存储term在文档中的偏移距离

TermVectorDocuments.tvd包含每个文档向量的信息

TermVectorFields.tvf存储filed级别的向量信息

DeletedDocuments.del存储索引删除文件的信息

复合索引文件是指，除了段信息文件，锁文件，以及删除的文件外，其他的一系列索引文件压缩一个后缀名为cfs的文件，意思，就是所有的索引文件会被存储成一个单例的Directory，而非复合索引是灵活的，可以单独的访问某几个索引文件，而复合索引文件则不可以，因为其压缩成了一个文件，所以在某些场景下能够获取更高的效率，比如说，查询频繁，而不经常更新的需求，就很适合这种索引格式。

lucene索引的基本概念组成由，索引，文档，域和项组成，一个索引，通常包含一些序列的文档，一个文档包含一些序列的域，而一些域又包含一些序列的项，而一些项则包含一些列序列的最低层的字节，注意这里的序列指的是在索引结构中有序，通常有序的这种方式，某些情况可以优化索引结构。

lucene使用了倒排索引（InvertedIndexing），来存储索引信息，大大提高了检索效率，

倒排索引，举一个通俗的例子，原来基于人们的正常思维，我们会存储的是一个文章中出现了那几个单词，而倒排索引，却恰恰相反，它存储的是这个单词，包含在几个文档中，当然这个关系是由倒排链表（存储一系列docid）构成的索引，我们在检索时，通过这个单词可以快速的定位，它出现在几篇文章中，从而大大提升了检索性能。

当然lucene中不仅仅有倒排索引，也有正向的存储，而倒排之所以是lucene的核心，是因为它提升了检索性能，在检索到一个个具体的文档时，就需要我们正向的拿出这些信息，反映在实际的代码中就是我们通过检索获取一个个docid，然后通过一个个docid获取整个文档，然后我们在正向的获取各个域，以及各个项存储的具体信息，当然前提是你存储了这个字段，如果你只是索引了，而并没有存储，那么你只能检索到此条信息，但无法获取具体term的值，这个需要在建索引之前就要设计好，索引的存储结构，那些字段是检索的，那些字段是存储的等等，如果你还需要高亮一些内容，则还需要存储这个域的偏移的位置，通过这样就能准确的在文中标记检索命中的关键词，如果你打算在前台来完成这个高亮，就不要存储这些信息了。