lucene 范围查询及其原理

适用于lucene 6.0。

Int类型的有IntPoint，Double类型的有相应的DoublePoint，以此类推。

1.相关类

org.apache.lucene.document.IntPoint

一个被索引的int类型的field。可以代表n维形状，可以范围搜索。

org.apache.lucene.document.IntPoint.IntPoint(String name, int... point)

构造函数。

Query org.apache.lucene.document.IntPoint.newRangeQuery(String field, int lowerValue, int upperValue)

构造一维情况下的范围查询。

Query org.apache.lucene.document.IntPoint.newRangeQuery(String field, int[] lowerValue, int[] upperValue)

构造多维情况下的范围查询。

Query org.apache.lucene.document.IntPoint.newSetQuery(String field, int... values)

构造集合查询。

Query org.apache.lucene.document.IntPoint.newExactQuery(String field, int value)
构造精确查询。内部调用的还是newRangeQuery(String field, int lowerValue, int upperValue)。

2.例子

见示例项目【https://code.csdn.net/chuchus/lucenedemo/tree/master】中 “com.yichudu.lucenedemo.query.rangequery”包下面的代码。

3.底层的算法

要想实现范围查询，需要做两部分的工作：索引期间的分词与Query的构造。

3.1 索引期间的分词

将数字转为字符串，按照不同前缀长度，切分成多个term。

3.1.1 基本思想

以int类型为例，补上前缀0，让同一个field的域值 位数都一样。假设对于“123”这个数，补上0之后为"0123"，那么按照不同前缀长度分词，得到多个term。见下。

prefix1:0/prefix2:01/prefix3:012/prefix4:0123

3.1.2 实际处理

long、double等类型转字符串的细节不同。

按照不同前缀长度分词，这个间隔(precision step)不一定是1,可以指定，下行这个字段就是一个默认值。

int org.apache.lucene.util.LegacyNumericUtils.PRECISION_STEP_DEFAULT = 16。

这个值越大，那么索引就越小，那么范围查询的性能（尤其是细粒度的范围查询）也越差；这个值越小，索引就越大，那么性能越差。

3.2Query的构造

利用字典树来构造一个合理的OCCUR.OR 的booleanQuery 的clause。

3.2.1例子

在创建索引的时候可以构造出一棵字典树。假设数值转为字符串后的长度都为3，一个合理的树见图2-1.



图2-1 字典树示例

我们要查找[423,642]这样一个range。根据图可以直观的得到，合理lucene 的query为(prefix3:423
prefix1:5 prefix2:63
prefix3:641 prefix3:642)。

3.2.2构造算法

我们首先可以用shift==0找到范围的起点后终点（有可能没有相等的，比如搜索422，也会找到423）。然后一直往上找，直到找到一个共同的祖先（肯定能找到，因为树根是所有叶子节点的祖先），对应起点，每次往上走的时候, 左边范围节点都要把它右边的兄弟节点都加进去, 右边范围节点都要把它左边的兄弟节点加进去, 若已经到达顶点, 则是将左边范围节点和右边范围节点之间的节点加进行去.