Lucene 的多字段索引到底是什么答案

【问题标题】：What exactly are Lucene's multi field indexesLucene 的多字段索引到底是什么
【发布时间】：2012-10-26 10:12:44
【问题描述】：

我试图了解后台到底发生了什么。

给定倒排索引的简化模型（忘记位置和分数）：对于每个单词，都有一个排序的文档 ID 列表。多个单词查询与这些排序列表相交以产生另一个这样的列表。（最后有排名）

例如

word1: 1 3 7 9 10 11 ...
word2: 2 3 4 9 10 12 ...

以下对字段的理解是否正确？

不同的字段意味着不同的索引空间或至少不同的列表。例如拥有 abstract 和 body 字段可能最终会出现这样的场景：

abstract:word1 7 10 ...
body:word1     1 3 9 10 11 ...
abstract:word2 3 4 ...
body:word2     1 3 9 10 12 ...

这种理解正确吗？如果不是，就底层倒排索引而言，这些字段是什么？我找不到任何明确说明它是如何在内部完成的文档。

除此之外，我想知道是否支持在所有/任何字段中搜索等功能。如果像我假设的那样实施，这应该很麻烦，或者需要通过保留上面的列表来实现冗余。通过完整单词列表的子范围实现字段当然可以更好地执行。

很高兴知道 Lucene 实际做了什么。

【问题讨论】：

【解决方案1】：

从 Lucene 4.0 开始，每个字段都有不同的术语字典，因此您的摘要和正文的发布列表将分开存储。

除此之外，我想知道是否支持在所有/任何字段中搜索等功能。如果像我假设的那样实施，这应该很麻烦，或者需要通过保留上面的列表来实现冗余。通过完整单词列表的子范围实现字段当然可以更好地执行。

不确定您所说的“子范围或完整单词列表”是什么意思，但是如果您对多个字段运行 BooleanQuery，Lucene 将即时合并发布列表。

很高兴知道 Lucene 实际做了什么。

源代码可免费访问。 :-)

【讨论】：

对于子范围，我的意思是每个单词的单个发布列表（在所有字段中）和原始单词列表中每个范围字段的附加列表，用于那些适合该字段的帖子。我可以看到这有几个问题，但我想确定一下。