lucene在搜索时会遍历整个倒排索引吗？

Question

在网络搜索引擎中，倒排索引通常很大，所以当搜索引擎得到足够多的结果时，就会退出搜索。因为遍历一个长倒排索引的尾部非常耗时。

Lucene 如何处理这种情况？

例如，如果术语“A”的倒排索引由 10000 个文档组成，当搜索“A”以获取 10 个结果时，Lucene 是否会遍历所有这 10000 个文档然后返回 10 个结果，或者当检索到足够的结果时返回 10 个结果即使它没有到达倒排索引的末尾？

Answer 1

Lucene 确实会访问所有 10k 个匹配项，计算每个匹配项的分数，然后放入堆中以计算前 k 个匹配项。

lucene/misc 模块有一个 SortingMergePolicy，它允许您根据某个字段（在 Web 索引上，例如页面排名）对合并的段进行排序。这样，如果您想在搜索时基于此字段对文档进行排序（或者更一般地说，如果排序顺序与此字段的值密切相关），您可以在收集到足够的匹配项后立即停止按段收集文档。

这是目前非常专业的功能，但我们计划使其更易于使用，请参阅https://issues.apache.org/jira/browse/LUCENE-6766。