几百行代码完成百度搜索引擎，真的可以吗?

 [[347248]]

本文转载自微信公众号「Java极客技术」，作者鸭血粉丝 。转载本文请联系Java极客技术公众号。  

Hello 大家好，我是鸭血粉丝，大家都叫我阿粉，搜索引擎想必大家一定不会默认，我们项目中经常使用的 ElasticSearch 就是一种搜索引擎，在我们的日志系统中必不可少，ELK 作为一个整体，基本上是运维标配了，另外目前的搜索引擎底层都是基于 Lucene 来实现的。

阿粉最近遇到一个需求，因为数据量没有达到需要使用 ElasticSearch 的级别，也不想单独部署一套集群，所以准备自己基于 Lucene 实现一个简易的搜索服务。下面我们一起来看一下吧。

背景

**Lucene **是一套用于全文检索和搜索的开放源码程序库，由 Apache 软件基金会支持和提供。Lucene 提供了一个简单却强大的应用程序接口，能够做全文索引和搜索。Lucene 是现在最受欢迎的免费 Java 信息检索程序库。

上面的解释是来自维基百科，我们只需要知道 Lucene 可以进行全文索引和搜索就行了，这里的索引是动词，意思是我们可以将文档或者文章或者文件等数据进行索引记录下来，索引过后，我们查询起来就会很快。

索引这个词有的时候是动词，表示我们要索引数据，有的时候是名词，我们需要根据上下文场景来判断。新华字典前面的字母表或者书籍前面的目录本质上都是索引。

接入

引入依赖

首先我们创建一个 SpringBoot 项目，然后在 pom 文件中加入如下内容，我这里使用的 lucene 版本是 7.2.1，

<properties> 
    <lucene.version>7.2.1</lucene.version> 
</properties> 
 
<!-- Lucene核心库 --> 
<dependency> 
 <groupId>org.apache.lucene</groupId> 
 <artifactId>lucene-core</artifactId> 
 <version>${lucene.version}</version> 
</dependency> 
<!-- Lucene解析库 --> 
<dependency> 
 <groupId>org.apache.lucene</groupId> 
 <artifactId>lucene-queryparser</artifactId> 
 <version>${lucene.version}</version> 
</dependency> 
<!-- Lucene附加的分析库 --> 
<dependency> 
 <groupId>org.apache.lucene</groupId> 
 <artifactId>lucene-analyzers-common</artifactId> 
 <version>${lucene.version}</version> 
</dependency> 

索引数据

在使用 Lucene 之前我们需要先索引一些文件，然后再通过关键词查询出来，下面我们来模拟整个过程。为了方便我们这里模拟一些数据，正常的数据应该是从数据库或者文件中加载的，我们的思路是这样的：

1. 生成多条实体数据;
2. 将实体数据映射成 Lucene 的文档形式;
3. 索引文档;
4. 根据关键词查询文档;

第一步我们先创建一个实体如下：

import lombok.Data; 
 
@Data 
public class ArticleModel { 
    private String title; 
    private String author; 
    private String content; 
} 

我们再写一个工具类，用来索引数据，代码如下：

import org.apache.commons.collections.CollectionUtils; 
import org.apache.commons.lang.StringUtils; 
import org.apache.lucene.analysis.Analyzer; 
import org.apache.lucene.analysis.standard.StandardAnalyzer; 
import org.apache.lucene.document.*; 
import org.apache.lucene.index.IndexWriter; 
import org.apache.lucene.index.IndexWriterConfig; 
import org.apache.lucene.store.Directory; 
import org.apache.lucene.store.FSDirectory; 
import org.springframework.beans.factory.annotation.Value; 
import org.springframework.stereotype.Component; 
 
import java.io.IOException; 
import java.nio.file.Paths; 
import java.util.ArrayList; 
import java.util.List; 
import java.util.Map; 
 
public class LuceneIndexUtil { 
 
    private static String INDEX_PATH = "/opt/lucene/demo"; 
    private static IndexWriter writer; 
 
    public static LuceneIndexUtil getInstance() { 
        return SingletonHolder.luceneUtil; 
    } 
 
    private static class SingletonHolder { 
        public final static LuceneIndexUtil luceneUtil = new LuceneIndexUtil(); 
    } 
 
    private LuceneIndexUtil() { 
        this.initLuceneUtil(); 
    } 
 
    private void initLuceneUtil() { 
        try { 
            Directory dir = FSDirectory.open(Paths.get(INDEX_PATH)); 
            Analyzer analyzer = new StandardAnalyzer(); 
            IndexWriterConfig iwc = new IndexWriterConfig(analyzer); 
            writer = new IndexWriter(dir, iwc); 
        } catch (IOException e) { 
            log.error("create luceneUtil error"); 
            if (null != writer) { 
                try { 
                    writer.close(); 
                } catch (IOException ioException) { 
                    ioException.printStackTrace(); 
                } finally { 
                    writer = null; 
                } 
            } 
        } 
    } 
 
    /** 
     * 索引单个文档 
     * 
     * @param doc 文档信息 
     * @throws IOException IO 异常 
     */ 
    public void addDoc(Document doc) throws IOException { 
        if (null != doc) { 
            writer.addDocument(doc); 
            writer.commit(); 
            writer.close(); 
        } 
    } 
 
    /** 
     * 索引单个实体 
     * 
     * @param model 单个实体 
     * @throws IOException IO 异常 
     */ 
    public void addModelDoc(Object model) throws IOException { 
        Document document = new Document(); 
        List<Field> fields = luceneField(model.getClass()); 
        fields.forEach(document::add); 
        writer.addDocument(document); 
        writer.commit(); 
        writer.close(); 
    } 
 
    /** 
     * 索引实体列表 
     * 
     * @param objects 实例列表 
     * @throws IOException IO 异常 
     */ 
    public void addModelDocs(List<?> objects) throws IOException { 
        if (CollectionUtils.isNotEmpty(objects)) { 
            List<Document> docs = new ArrayList<>(); 
            objects.forEach(o -> { 
                Document document = new Document(); 
                List<Field> fields = luceneField(o); 
                fields.forEach(document::add); 
                docs.add(document); 
            }); 
            writer.addDocuments(docs); 
        } 
    } 
 
    /** 
     * 清除所有文档 
     * 
     * @throws IOException IO 异常 
     */ 
    public void delAllDocs() throws IOException { 
        writer.deleteAll(); 
    } 
 
    /** 
     * 索引文档列表 
     * 
     * @param docs 文档列表 
     * @throws IOException IO 异常 
     */ 
    public void addDocs(List<Document> docs) throws IOException { 
        if (CollectionUtils.isNotEmpty(docs)) { 
            long startTime = System.currentTimeMillis(); 
            writer.addDocuments(docs); 
            writer.commit(); 
            log.info("共索引{}个 Document，共耗时{} 毫秒", docs.size(), (System.currentTimeMillis() - startTime)); 
        } else { 
            log.warn("索引列表为空"); 
        } 
    } 
 
    /** 
     * 根据实体 class 对象获取字段类型，进行 lucene Field 字段映射 
     * 
     * @param modelObj 实体 modelObj 对象 
     * @return 字段映射列表 
     */ 
    public List<Field> luceneField(Object modelObj) { 
        Map<String, Object> classFields = ReflectionUtils.getClassFields(modelObj.getClass()); 
        Map<String, Object> classFieldsValues = ReflectionUtils.getClassFieldsValues(modelObj); 
 
        List<Field> fields = new ArrayList<>(); 
        for (String key : classFields.keySet()) { 
            Field field; 
            String dataType = StringUtils.substringAfterLast(classFields.get(key).toString(), "."); 
            switch (dataType) { 
                case "Integer": 
                    field = new IntPoint(key, (Integer) classFieldsValues.get(key)); 
                    break; 
                case "Long": 
                    field = new LongPoint(key, (Long) classFieldsValues.get(key)); 
                    break; 
                case "Float": 
                    field = new FloatPoint(key, (Float) classFieldsValues.get(key)); 
                    break; 
                case "Double": 
                    field = new DoublePoint(key, (Double) classFieldsValues.get(key)); 
                    break; 
                case "String": 
                    String string = (String) classFieldsValues.get(key); 
                    if (StringUtils.isNotBlank(string)) { 
                        if (string.length() <= 1024) { 
                            field = new StringField(key, (String) classFieldsValues.get(key), Field.Store.YES); 
                        } else { 
                            field = new TextField(key, (String) classFieldsValues.get(key), Field.Store.NO); 
                        } 
                    } else { 
                        field = new StringField(key, StringUtils.EMPTY, Field.Store.NO); 
                    } 
                    break; 
                default: 
                    field = new TextField(key, JsonUtils.obj2Json(classFieldsValues.get(key)), Field.Store.YES); 
                    break; 
            } 
            fields.add(field); 
        } 
        return fields; 
    } 
    public void close() { 
        if (null != writer) { 
            try { 
                writer.close(); 
            } catch (IOException e) { 
                log.error("close writer error"); 
            } 
            writer = null; 
        } 
    } 
 
    public void commit() throws IOException { 
        if (null != writer) { 
            writer.commit(); 
            writer.close(); 
        } 
    } 
} 

有了工具类，我们再写一个 demo 来进行数据的索引

import java.util.ArrayList; 
import java.util.List; 
 
/** 
 * <br> 
 * <b>Function：</b><br> 
 * <b>Author：</b>@author Silence<br> 
 * <b>Date：</b>2020-10-17 21:08<br> 
 * <b>Desc：</b>无<br> 
 */ 
public class Demo { 
    public static void main(String[] args) { 
        LuceneIndexUtil luceneUtil = LuceneIndexUtil.getInstance(); 
        List<ArticleModel> articles = new ArrayList<>(); 
        try { 
            //索引数据 
            ArticleModel article1 = new ArticleModel(); 
            article1.setTitle("Java 极客技术"); 
            article1.setAuthor("鸭血粉丝"); 
            article1.setContent("这是一篇给大家介绍 Lucene 的技术文章，必定点赞评论转发！！！"); 
            ArticleModel article2 = new ArticleModel(); 
            article2.setTitle("极客技术"); 
            article2.setAuthor("鸭血粉丝"); 
            article2.setContent("此处省略两千字..."); 
            ArticleModel article3 = new ArticleModel(); 
            article3.setTitle("Java 极客技术"); 
            article3.setAuthor("鸭血粉丝"); 
            article3.setContent("最后邀请你加入我们的知识星球，Today is big day!"); 
            articles.add(article1); 
            articles.add(article2); 
            articles.add(article3); 
            luceneUtil.addModelDocs(articles); 
            luceneUtil.commit(); 
             
        } catch (Exception e) { 
            e.printStackTrace(); 
        } 
    } 
} 

上面的 content 内容可以自行进行替换，阿粉这边避免凑字数的嫌疑就不贴了。

展示

运行结束过后，我们用过 Lucene 的可视化工具 luke 来查看下索引的数据内容，下载过后解压我们可以看到有.bat 和 .sh 两个脚本，根据自己的系统进行运行就好了。阿粉这边是 mac 用的是 sh 脚本运行，运行后打开设置的索引目录即可。

进入过后，我们可以看到下图显示的内容，选择 content 点击 show top items 可以看到右侧的索引数据，这里根据分词器的不同，索引的结果是不一样的，阿粉这里采用的分词器就是标准的分词器，小伙伴们可以根据自己的要求选择适合自己的分词器即可。

搜索数据

数据已经索引成功了，接下来我们就需要根据条件进行数据的搜索了，我们创建一个 LuceneSearchUtil.java 来操作数据。

import org.apache.commons.collections.MapUtils; 
import org.apache.lucene.analysis.Analyzer; 
import org.apache.lucene.analysis.standard.StandardAnalyzer; 
import org.apache.lucene.index.DirectoryReader; 
import org.apache.lucene.queryparser.classic.QueryParser; 
import org.apache.lucene.search.*; 
import org.apache.lucene.store.Directory; 
import org.apache.lucene.store.FSDirectory; 
import org.springframework.beans.factory.annotation.Value; 
 
import java.io.IOException; 
import java.nio.file.Paths; 
import java.util.Map; 
 
 
public class LuceneSearchUtil { 
 
    private static String INDEX_PATH = "/opt/lucene/demo"; 
    private static IndexSearcher searcher; 
 
    public static LuceneSearchUtil getInstance() { 
        return LuceneSearchUtil.SingletonHolder.searchUtil; 
    } 
 
    private static class SingletonHolder { 
        public final static LuceneSearchUtil searchUtil = new LuceneSearchUtil(); 
    } 
 
    private LuceneSearchUtil() { 
        this.initSearcher(); 
    } 
 
    private void initSearcher() { 
        Directory directory; 
        try { 
            directory = FSDirectory.open(Paths.get(INDEX_PATH)); 
            DirectoryReader reader = DirectoryReader.open(directory); 
            searcher = new IndexSearcher(reader); 
        } catch (IOException e) { 
            e.printStackTrace(); 
        } 
    } 
 
    public TopDocs searchByMap(Map<String, Object> queryMap) throws Exception { 
        if (null == searcher) { 
            this.initSearcher(); 
        } 
        if (MapUtils.isNotEmpty(queryMap)) { 
            BooleanQuery.Builder builder = new BooleanQuery.Builder(); 
            queryMap.forEach((key, value) -> { 
                if (value instanceof String) { 
                    Query queryString = new PhraseQuery(key, (String) value); 
//                    Query queryString = new TermQuery(new Term(key, (String) value)); 
                    builder.add(queryString, BooleanClause.Occur.MUST); 
                } 
            }); 
            return searcher.search(builder.build(), 10); 
        } 
        return null; 
    } 
 
} 

在 demo.java 中增加搜索代码如下：

//查询数据 
   Map<String, Object> map = new HashMap<>(); 
   map.put("title", "Java 极客技术"); 
//   map.put("title", "极客技术"); 
//   map.put("content", "最"); 
   LuceneSearchUtil searchUtil = LuceneSearchUtil.getInstance(); 
   TopDocs topDocs = searchUtil.searchByMap(map); 
   System.out.println(topDocs.totalHits); 

运行结果如下，表示搜索到了两条。

通过可视化工具我们可以看到 title 为"Java 极客技术"确实是有两条记录，而且我们也确认只插入了两条数据。注意这里如果根据其他字符去查询可能查询不出来，因为阿粉这里的分词器采用的是默认的分词器，小伙伴可以根据自身的情况采用相应的分词器。

至此我们可以索引和搜索数据了，不过这还是简单的入门操作，对于不同类型的字段，我们需要使用不同的查询方式，而且根据系统的特性我们需要使用特定的分词器，默认的标准分词器不一定符合我们的使用场景。而且我们索引数据的时候也需要根据字段类型进行不同 Field 的设定。上面的案例只是 demo 并不能在生产上使用，搜索引擎在互联网行业是领头羊，很多先进的互联网技术都是从搜索引擎开始发展的。