【发布时间】：2014-06-17 18:06:51
【问题描述】：
所以我对信息检索有一定的了解。但我不清楚 solr 为索引做了什么。我知道 solr 正在使用 lucene 进行索引。那么 solr 是对每个文档进行反向索引还是只是使用每个文档的 id 进行索引？ 任何解释都可能会有所帮助，或者请给我一些文章。
【问题讨论】：
标签： solr lucene information-retrieval
【发布时间】：2014-06-17 18:06:51
【问题描述】：
据我所知，solr 使用 ID 字段，因为每个索引都有一个唯一字段是一种很好的做法。 Lucene 不关心这些琐碎的事情。
就倒排索引而言，过程是这样的：文档中的每个字段都使用其指定的分析器进行分析。之后，令牌列表以 field_name:token_value 形式放置在倒排索引中，并更新指针以包含新的文档 id（这里 id 是 lucene 内部的东西，与 solr id 字段无关，你可以阅读有关它的更多信息，为什么要学习细分）。所有 field_name:token_value 对都按顺序存储（稍后会详细介绍）
>还存储了指向词频和其他相关内容的位置的指针。由于 lucene 采用只读策略，每次提交都会创建一个新索引（称为段）。假设您定期提交，这也使得存储术语字典排序变得容易。
在删除时，对于每个段都有一个特殊的删除文件（位集），它基本上会从任何匹配的查询中过滤掉已删除的文档。在合并时，根据合并策略，段及其删除文件可能会消失，被合并到一个新段中。
要真正了解这些术语在文件中的外观并更好地理解 lucene 的文件格式，请阅读这篇关于人类可读文本编解码器的帖子：http://blog.mikemccandless.com/2010/10/lucenes-simpletext-codec.html，以及此页面以了解有关 Lucene 文件格式的更多信息：@987654322 @
希望对你有帮助
【讨论】：
Solr 的索引是逐个字段控制的。对于要索引的特定字段（例如，为字段创建倒排索引），选项“indexed”应设置为“true”。它的索引方式（作为文本字段、未分析的字符串、日期、数字等）是字段类型的函数。
我已经包含了一些应该有用的链接：
【讨论】：