[lucene] 你对 Lucne, SOLR 有什么不满
 |
imjl
2010-01-16
面了几家公司，发现个有趣的现象。
似乎没人说 lucene 或者 solr 有什么不满地方，感觉他们都把它当圣经捧着。 不知道大家有什么不满，说错也不要紧，只要与之相关就行。 |
 |
lzj0470
2010-01-16
lucene不能分布式，不适合应用到千万数据量之上（当然，你建立索引建立两个字段，它可能马马虎虎承受得了）。solr没用过。
|
 |
luckaway
2010-01-16
lucene可以分布式的，实现Hadoop的搜索和RMI搜索都可以的
|
|
chester60
2010-01-21
每个term指向的doc list，排序是按照doc id来排的，不能选择让权重最高的doc排前面。能够这样做的话，检索速度会提高很多，特别是在大数据量，只取最匹配的N条记录的情况下。
|
|
lzj0470
2010-01-25
每个term指向的doc list，能举个例子吗？我在查看它的源代码的时候，它都是先取出它的符合要求的DOC，然后在排序，在返回。
|
|
chester60
2010-01-25
lucene里的doc list是这样保存的
docID term出现次数 1 1 2 1 …… 10000 4 排序时，是从doc1，doc2……逐个读到doc10000，然后term出现次数*term的IDF来计算分数。 事实上，如果你只要头100条数据的话，可以这样排 docID term出现次数 10000 4 …… 1 1 2 1 因为高权重的文档排在前面，所以只需要读取足够数量的前N条文档就可以了。如果前N条没有，则继续读下去。最坏情况下和lucene现在的模式速度一样。 |
|
imjl
2010-01-28
chester60 写道 每个term指向的doc list，排序是按照doc id来排的，不能选择让权重最高的doc排前面。能够这样做的话，检索速度会提高很多，特别是在大数据量，只取最匹配的N条记录的情况下。
这个很难做，，因为多个搜索条件下，要想快速获得结果，能做得就是最小化范围，然后排序。 如果关键词已知，那就直接cache了。也无所谓计算与否。 |
