Table of Contents generated with DocToc

• solr原理
  • 索引
  • 索引创建
  • 搜索步骤

Solr/Lucene采用的是一种反向索引（倒排索引），所谓反向索引：就是从关键字到文档的映射过程，保存这种映射这种信息的索引称为反向索引

• 左边保存的是字符串序列
• 右边是字符串的文档（Document）编号链表，称为倒排表（Posting List）

一、把原始文档交给分词组件(Tokenizer)

1. 将文档分成一个一个单独的单词
2. 去除标点符号
3. 去除停词(stop word)

二、词汇单元(Token)传给语言处理组件(Linguistic Processor)

1. 变为小写(Lowercase)。
2. 将单词缩减为词根形式，如”cars”到”car”等。这种操作称为：stemming。
3. 将单词转变为词根形式，如”drove”到”drive”等。这种操作称为：lemmatization

三、 得到的词(Term)传递给索引组件(Indexer)

1. 利用得到的词(Term)创建一个字典
2. 对字典按字母顺序排序
3. 合并相同的词(Term)成为文档倒排(Posting List)链表

1. 对查询内容进行词法分析、语法分析、语言处理
2. 搜索索引，得到符合语法树的文档集合
3. 根据查询语句与文档的相关性，对结果进行排序