Lucene简介
- by Hector
Lucene官网：
简介：
Lucene是apache软件基金会[4] jakarta项目组的一个子项目，是一个开放源代码[5]的全文检索引擎工具包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。
Lucene的原作者是Doug Cutting，他是一位资深全文索引/检索专家，曾经是V-Twin搜索引擎[6]的主要开发者，后在Excite[7]担任高级系统架构设计师，目前从事于一些Internet底层架构的研究。早先发布在作者自己的http://www.lucene.com/，后来发布在SourceForge[8]，2001年年底成为apache软件基金会jakarta的一个子项目：http://jakarta.apache.org/lucene/。
优势： （1）索引文件格式独立于应用平台。 （3）优秀的面向对象的系统架构，使得对于Lucene扩展的学习难度降低，方便扩充新功能。 （5）已经默认实现了一套强大的查询引擎，用户无需自己编写代码即使系统可获得强大的查询能力，Lucene的查询实现中默认实现了布尔操作、模糊查询（Fuzzy Search[11]）、分组查询等等。 关于亚洲语言的的切分词问题
（2）在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立小文件索引，提升索引速度。
（4）设计了独立于语言和文件格式的文本分析接口，索引器通过接受Token流完成索引文件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。
自动切分
词表切分
实现
实现非常简单
实现复杂
查询
增加了查询分析的复杂程度，
适于实现比较复杂的查询语法规则
存储效率
索引冗余大，索引几乎和原文一样大
索引效率高，为原文大小的30％左右
维护成本
无词表维护成本
词表维护成本非常高：中日韩等语言需要分别维护。
还需要包括词频统计等内容
适用领域
嵌入式系统：运行环境资源有限
分布式系统：无词表同步问题
多语言环境：无词表维护成本对查询和存储效率要求高的专业搜索引擎
安装和使用
下载：http://jakarta.apache.org/lucene/
注意：Lucene中的一些比较复杂的词法分析是用JavaCC生成的（JavaCC：JavaCompilerCompiler，纯Java的词法分析生成器），所以如果从源代码编译或需要修改其中的QueryParser
、定制自己的词法分析器，还需要从https://javacc.dev.java.net/下载javacc。