java - Lucene:获取类别的最新文档

Question

我是 lucene 索引的新手，所以如果我想做的事情微不足道，我提前道歉。我有一个索引，其中文档包含(除其他外)两个字段:

documentoId 和 employeeId。

每个员工都可以提交各种文件。结构与 bookstore 中的结构几乎相同。例子。
我想要实现的是获取所有与查询匹配的最新文档，这意味着每个 employeeId 具有最高的 documentoId。

在 SQL 中，这类似于:

选择最大值(documentoId)，employeeId
从文件
像“mySearchValue”这样的内容
按 employeeId 分组


我不知道我是否应该使用 facet API，或者这是否可以通过查询或 searchAfter 方法来完成...我对文档感到很迷茫。

任何帮助将不胜感激!谢谢

Answer 1

Lucene支持分组搜索；您需要做的是定义您的组以及如何对其进行排序。在下面的示例中，我按 documentoId 分组并按降序排序。

public static void main(String[] args) throws IOException, ParseException {
    StandardAnalyzer standardAnalyzer = new StandardAnalyzer(Version.LUCENE_46);
    RAMDirectory ramDirectory = new RAMDirectory();

    IndexWriter indexWriter = new IndexWriter(ramDirectory, new IndexWriterConfig(Version.LUCENE_46, standardAnalyzer));

    Document d0 = new Document();
    d0.add(new TextField("employeeId", "foo", Field.Store.YES));
    d0.add(new IntField("documentoId", 1, Field.Store.YES));
    indexWriter.addDocument(d0);

    Document d1 = new Document();
    d1.add(new TextField("employeeId", "bar", Field.Store.YES));
    d1.add(new IntField("documentoId", 20, Field.Store.YES));
    indexWriter.addDocument(d1);

    Document d2 = new Document();
    d2.add(new TextField("employeeId", "baz", Field.Store.YES));
    d2.add(new IntField("documentoId", 3, Field.Store.YES));
    indexWriter.addDocument(d2);

    indexWriter.commit();

    GroupingSearch groupingSearch = new GroupingSearch("documentoId");
    Sort groupSort = new Sort(new SortField("documentoId", SortField.Type.INT, true));  // in descending order
    groupingSearch.setGroupSort(groupSort);
    groupingSearch.setSortWithinGroup(groupSort);

    IndexReader reader = DirectoryReader.open(ramDirectory);
    IndexSearcher searcher = new IndexSearcher(reader);

    TopGroups<?> groups = groupingSearch.search(searcher, new MatchAllDocsQuery(), 0, 10);

    Document highestScoredDocument = reader.document(groups.groups[0].scoreDocs[0].doc);
    System.out.println(
            "Descending order, first document is " +
                    "employeeId:" + highestScoredDocument.get("employeeId") + " " +
                    "documentoId:" + highestScoredDocument.get("documentoId")
    );
}

上面的代码检测到 d1(中间文档)得分最高并打印以下内容:

Descending order, first document is employeeId:bar documentoId:20

上面的代码没有解决 content like 'mySearchValue' 部分，您必须将 MatchAllDocsQuery 替换为相关查询才能做到这一点。