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，但考虑到关键字，寻找这类东西非常困难......

我正在使用 Lucene 5.2.x 来索引一组文档，每个文档都有两个字段： id和description 。

我从系统中的先前查询中获得了一组ids 。 现在，我想在description获取 Lucene 文本搜索结果，但只能从ids集中的文档中获取。 如果我在 MySQL 中（天真地）这样做，我可能会这样做：

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

这组ids可能有数万个。 使用 Lucene 解决此问题的最佳方法是什么？ 我可以构建一个 Lucene 查询来有效地处理这个问题，还是应该搜索我的整个文档索引然后做一个集合交集？ 还有什么？

谢谢！

Answer 1

我想在描述中获取 Lucene 文本搜索结果，但只能从ids集中的文档中获取。

您需要使用BooleanQuery 。

如果您使用QueryParser创建查询，则使用：

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

如果您以编程方式创建Query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);

这组ids可能有数万个。

BooleanQuery为最大数量的子句建立了限制（参见org.apache.lucene.search.BooleanQuery#maxClauseCount ）。 您需要使用BooleanQuery.setMaxClauseCount()增加此限制。 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，就不需要向 Lucene 发送数千个 id 作为额外的过滤器，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。