Lucene 4分頁

Question

我正在使用Lucene 4.2並正在執行結果分頁。

IndexSearcher.searchAfter提供了一種實現「下一頁」功能的有效方式，但實現「上一頁」或甚至「上頁」功能的最佳方式是什麼？例如沒有IndexSearcher.searchBefore。

我正在考慮確定給定頁面大小的頁面總數，並保持ScoreDoc[]陣列跟蹤每個頁面的「之後」ScoreDoc（該數組將填充爲頁面結果）。這將允許我使用「最接近的」ScoreDoc用於IndexSearcher.searchAfter（或在最壞情況下爲零）。

這是否有意義？有更好的方法嗎？

Answer 1

我一直在使用Lucene 4.8，並一直致力於包含分頁的REST接口。 我的解決方案是使用TopScoreDocCollector並調用topDocs（int startIndex，int numberOfhits）方法。起始索引是通過將基於零的頁碼乘以命中數來計算的。

... 
DirectoryReader reader = DirectoryReader.open(MMapDirectory.open(java.io.File(indexFile)); 
IndexSearcher searcher = new IndexSearcher(reader); 
TopScoreDocCollector collector = TopScoreDocCollector.create(MAX_RESULTS, true); // MAX_RESULTS is just an int limiting the total number of hits 
int startIndex = (page -1) * hitsPerPage; // our page is 1 based - so we need to convert to zero based 
Query query = new QueryParser(Version.LUCENE_48, "All", analyzer).parse(searchQuery); 
searcher.search(query, collector); 
TopDocs hits = collector.topDocs(startIndex, hitsPerPage); 
... 

因此，我的REST接口接受每個頁面的頁碼和點擊次數作爲參數。 所以前進或後退就像提交一個新的請求一樣簡單，頁面的適當值

Answer 2

我同意Jaimie解釋的解決方案。但我想指出你必須注意的另一個方面，這有助於理解搜索引擎的一般機制。

使用TopDocCollector，您可以在結果按照分數或其他排序標準進行排序之前，定義與您的搜索查詢匹配的匹配數量。

請看下面的例子：

collector = TopScoreDocCollector.create(9999, true); 
searcher.search(parser.parse("Clone Warrior"), collector); 
// get first page 
topDocs = collector.topDocs(0, 10); 
int resultSize=topDocs.scoreDocs.length; // 10 or less 
int totalHits=topDocs.totalHits; // 9999 or less 

我們告訴Lucene的這裏收藏最多包含搜索短語「克隆戰士」 9999個文件。這意味着，如果索引包含超過9999個包含該搜索短語的文檔，收集器將在填充9999個匹配後停止！

這意味着，您選擇MAX_RESULTS的次數越多，您的搜索結果越好。但是這隻有在你期望有大量的點擊時纔有意義。 另一方面，如果您搜索「luke skywalker」並且您只會期待一次命中，那麼MAX_RESULTS也可以設置爲1.

因此，更改MAX_RESULTS會影響返回的scoreDocs，因爲將執行排序在收集的點擊。實際上，將MAX_RESULTS設置爲足夠大的大小，以便人類用戶不會錯過錯過特定文檔。這個概念完全違背了SQL數據庫的行爲，它始終考慮完整的數據池。

但lucene也支持另一種機制。您可以代替爲收集器定義MAX_RESULTS，而是定義要等待結果集的時間量。例如，你可以定義你總是想在300ms後停止收集器。這是一個很好的方法來保護您的應用程序的性能問題。但是，如果您想確保計算所有相關文檔，則必須將MAX_RESULTS的參數或最大等待時間設置爲無限值。