我的 Lucene 文档中应该包含哪些内容？答案

【问题标题】：What should go in my Lucene document?我的 Lucene 文档中应该包含哪些内容？
【发布时间】：2009-04-27 15:34:43
【问题描述】：

我使用Lucene.net 在我们的 CMS 上为内容和文档等编制索引。到目前为止，这运行良好，但现在我必须考虑到网页的以下添加：

因此，搜索结果应该只显示“发布/到期”窗口内的页面，这些页面是“活动的”并且当前用户有权查看。

我应该在 Lucene 索引中包含上述信息吗？这会使查询变得更复杂一些，但 hits 集合只会返回“有效”文档，这将使分页结果变得更加容易。

另一方面，我将重复 CMS 数据库中已有的信息，因此我将冒着数据完整性的风险，并且只要上述列表中的任何内容更改为以及实际内容本身。

其他人有这个问题吗？你是怎么解决的？谢谢。

编辑：我可能需要使用“FieldCache”（提到 here）将“有效”文档 ID 传递到 lucene 搜索？

【问题讨论】：

【解决方案1】：

首先查询 CMS 数据库，并使用所有匹配的文档构建一个 BitSet（您需要一个 FieldCache 来在应用程序的文档 ID 与 Lucene 的内部文档 ID 之间进行转换）。然后，您可以使用过滤器（包装 BitSet）在索引上运行 Lucene 查询。

您将所有可变数据保存在数据库中（它所属的位置），您不必担心更新或重建索引。这也将运行得非常快。

附：我只使用了 Java 版本的 Lucene，但这在 Lucene.NET 中应该可以正常工作

【讨论】：

【解决方案2】：

..所以搜索结果应该只显示发布中的页面 / 到期窗口，处于“活动”状态，并且当前用户被授权查看。

有几种方法可以处理授权问题。您可以维护多个索引（每个权限级别一个），使用查询过滤结果（通过存储所需的权限）或在显示结果之前过滤结果。如果只有几个级别，我认为我会维护单独的索引 - 这似乎最安全。

至于“处于活动状态” - 你能记住这一点来重建你的索引吗？只需经常在后台重建您的索引，并且只添加活动内容。您可能有太多信息无法实现这一点 - 但 Lucene 非常快。

【讨论】：