Lucene - 相当于SQL"IN"关键字

Question

请原谅我的新手问题.我试过寻找答案,但鉴于关键字,搜索这类事情是相当困难的......

我使用Lucene 5.2.x索引一组文档,每个文档有两个字段:id和description.

我ids从系统中的先前查询中获取了一组.现在,我想获得Lucene文本搜索结果,description但只能从集合中的文档中获取ids.如果我在MySQL中这样做(天真地),我可能会这样做:

SELECT * FROM mytable 
    WHERE description LIKE 'blah%' 
          AND 
          id IN (6345, 5759, 333, ...)

这组ids可能数以万计.Lucene最好的解决方法是什么？我可以构建一个Lucene查询来有效地处理这个问题,还是应该搜索整个文档索引然后进行集合交集？别的什么？

谢谢!

Answer 1

我想在描述中获得 Lucene 文本搜索结果，但只能从ids.

您需要使用BooleanQuery.

如果您使用创建查询，QueryParser则使用：

+(id:6345 id:5759 id:333 ...) +(description:"blah*")

如果您以Query编程方式创建，则代码将类似于：

BooleanQuery ids = new BooleanQuery();
ids.add(new TermQuery(new Term("id", "6345")), SHOULD);
ids.add(new TermQuery(new Term("id", "5759")), SHOULD);
ids.add(new TermQuery(new Term("id", "333")), SHOULD);

BooleanQuery resultQuery = new BooleanQuery();
resultQuery.add(new PrefixQuery(new Term("description", "blah")), MUST);
resultQuery.add(ids, MUST);

ids可能有几万套。

BooleanQuery已经为最大数量的子句建立了限制（请参阅 参考资料org.apache.lucene.search.BooleanQuery#maxClauseCount）。您将需要使用 增加此限制BooleanQuery.setMaxClauseCount()。这将要求您以编程方式创建查询。

我可以构建一个 Lucene 查询来有效地处理这个问题，还是应该搜索我的整个文档索引然后做一个集合交集？还有什么？

据我所知，倒排索引是目前人类已知的最有效的搜索方式。至少，从搜索时间的角度来看（不考虑索引阶段）。

因此，如果考虑效率，我建议将所有搜索逻辑移至 Lucene（倒排索引库）。作为一个非常成熟的库，Lucene 几乎可以搜索所有类型的信息。因此，可能您的所有文档都可以在 Lucene 中建立索引，并且所有“先前的查询”也可以在 Lucene 中执行。

在这种情况下，就不需要将数千个 id 作为额外的过滤器发送给 Lucene，这确实看起来很浪费。除非您有一些独特的搜索要求，否则这是我能想到的最有效的搜索方式。