java - 卢塞恩 : how to sort by document count in group while doing grouping search

Question

我有类似的文件

{id:1, name:foo, from: China}
{id:2, name:bar, from: USA}
{id:3, name:baz, from: Japan}
{id:4, name:foo, from: China}

然后我按 from 字段对这些文档进行分组。

And I want to get the top N country from which users come from.

我不知道如何按每个组的文档数量排序。或者有更好的方法来做到这一点。

Answer 1

我不认为使用 Lucene 是实现您想要的效果的最佳方式，但您可以迭代结果并收集 map 中每个国家/地区的计数:

final Map<String, Integer> country2count = new HashMap<String, Integer>();
    for (final ScoreDoc hit : hits) {
        final int docId = hit.doc;
        if (!reader.isDeleted(docId)) {
            // Get the document from docId
            final Document document = searcher.doc(docId);
            // Get the country
            final String country = document.get("from");

            if(country2count.containsKey(country)){
                int prevCount = country2count.get(country);
                country2count.put(country, ++prevCount);
            }else{
                country2count.put(country, 1);
            }
        }
    }

我建议您不要使用索引，而是使用简单的日志，然后使用以下方法获取用户数量最多的国家/地区:

cat id_name_from.log | awk '{print $3}' |排序 -k 3 | uniq-c|排序-nrk 1

示例:日志文件保存为“id\t name\t from”:

1   foo China
2   foo Usa
3   bar China
4   foo China
5   foo China
6   foo Usa
7   bar China
8   foo China
9   foo Usa

脚本:

cat log | awk '{print $3}' | sort | uniq -c | sort -nrk 1

结果:

6 China
3 Usa