java - Lucene - 相当于 SQL "IN"关键字

Question

请原谅我的新手问题。我曾尝试搜索答案，但考虑到关键字，搜索此类内容非常困难...

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，我想获取有关 description 的 Lucene 文本搜索结果，但只能来自 ids 集合中的文档。如果我在 MySQL 中(天真地)这样做，我可能会做类似的事情:

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

ids 的集合可能有数万个。使用 Lucene 的最佳方法是什么？我可以构造一个 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进行集合交集？还有别的吗？

谢谢!

Answer 1

I would like to get Lucene text search results on the description but only from documents in the set of ids.

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查询，那么代码将类似于:

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);

The set of ids maybe tens of thousands.

BooleanQuery 已将其限制为子句的最大数量(请参阅 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。

Can I construct a Lucene query to handle this efficiently, or should I search my entire document index and then do a set intersection? Something else?

据我所知，倒排索引是目前人类已知的最高效的搜索方式。至少，从搜索时间的角度来看(不考虑索引阶段)。

因此，如果关注效率，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 可以搜索几乎所有类型的信息。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。

在那种情况下，就没有必要将数千个 id 作为附加过滤器发送到 Lucene，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。