在了解Lucene之前，我們先看下什么是搜索引擎？
在實際的項目中，我們可能會寫了類似這樣的SQL。
按標題模糊查詢，查詢標題與xxxxx有關的新聞:
select*fromt_newswheretitlelike‘%xxxxx%’;
按關鍵字查詢，如查詢與xxxx有關的新聞:
select*fromt_newswheretitlelike%蒼老師%orcontentlike%蒼老師’;
當，這四個查詢都變慢了,我們可能會建立索引，但是有的like語句會使索引失效。
可能有的需求對搜索的結果進項相關度排名的顯示，對應的sql是否可以滿足需求嗎？
例如：
要查詢中國、冠狀病毒、復工有關的新聞：
含有三個關鍵字（相關度最高）的新聞排前面
含兩個關鍵字（相關度次之），排次之
含一個關鍵字的，排次次之。
sql實現還是比較困難的。
數據庫適合結構化數據的精確查詢，而不適合半結構化、非結構化數據的模糊查詢及靈活搜索（特別），無法提。
這個問題，一個解決思路是：
，輸入的是冠狀病毒，想要得到標題或內容中包含“冠狀病毒”的新聞列表。
如果標題、內容列上都有一個這樣的索引，里面能快速找到與冠狀病毒關鍵字對應的文章id，再根據文章id就可以快速找到文章了。
倒排索引上面建立索引就是倒排索引，或者又叫做反向索引。
例如：
標題列索引：
內容類索引：
這么多的詞，那么需要建立多少個詞呢？
反向索引的記錄數會不會很大？
通過上面的看，詞的總數也不多，那怎么分詞，也就是怎么把一句話分成很多常用的詞呢？
。
分詞器分詞器，可以將一段語句分出若干個詞。
英文：thisismycar分詞后：this，is，my，car
中文：。，厲害
常用的中文分詞器：
word分詞器，Stanford分詞器，Ansj分詞器，smartcn分詞器，FudanNLP分詞器，
IKAnalyzer分詞等。
有了分詞器，還可以獲取詞在文章的位置，出現的次數。：
詞：中國，
內容包含該詞的文章id：
{{1,2,{21,32}},{5,3,{18,29,45}}}
1：文章id
2：出現的次數
{21,22}：出現的位置
建立好了這樣的反向索引，那怎么索引呢？
步驟1：對搜索輸入的內容進行分詞
步驟2：在反向索引中找出包含中國、復工的文章列表
步驟3：合并兩個列表，排序輸出
{1,12,8,5}
輸出結果，那怎么排序輸入結果呢？把最關注的放到最前面。怎么建立一個相關性評估模型？
數建立模型，當然還有其他的模型來面對更復雜的場景。
統計出現次數，根據次數從高到低排：
中國
排序后：
{{1,5},{5,3},{12,1},{8,1}}
文章id為1，總共出現了5詞，文章id為5的出現了3詞。。。
其他的復雜的相關性計算模型有：
tf-idf詞頻-逆文檔率模型向量空間模型貝葉斯概率模型，如：BM25
搜索引擎中會提供一種、或多種實現供選擇使用，也會提供擴展。
會考慮更多，更復雜。
這里引入什么是搜索引擎？
搜索引擎一套可對大量結構化、半結構化數據、非結構化文本類。
最早應用于信息檢索領域，經谷歌、百度。后又搜索?，F廣泛應用于各行業、。
搜索引擎專門解決大量結構化、半結構化數據、非結構化文本。。
使用場景：
信息檢索（如電子圖書館、電子檔案館）內容搜索（如新聞、論壇、）責的系統數據量大，通過數據庫檢索慢，可以考慮用搜索引擎來專門負責檢索。
核心部件：
數據源分詞器反向索引（倒排索引）相關性計算模型
工作原理：
從數據源加載數據，分詞、建立反，對搜索輸入進行分詞，查找反向索引計算相關性，排序，輸出
開源搜索引擎組件、系統：
Lucene:Apache頂級開源項目，Lucene-core是一個開放源代碼的全文檢索引擎工具包，但它不是一個完整的全文檢索引擎，而是一個全文檢索引擎的框架，提供了完整的查詢引擎和索引引擎，部分文本分詞引擎（英文與德文兩種西方語言）。Lucene的目的是為軟件開發人員提供一個簡單易用的工具包，以方便的在目標系統中實現全文檢索的功能，或者是以此為基礎建立起完整的全文檢索引擎。
Nutch：Apache頂級開源項目，(基于lucene)的系統（同百度、google）。Hadoop因它而生。
Solr:Lucene下的子項目，基于Lucene構建的獨立的企業級開源搜索平臺，一個服務。它提供了基于xml/JSON/http的api供外界訪問，還有web管理界面。
Elasticsearch：基于Lucene的企業級分布式搜索平臺，它對外提供restful-web接口，讓程序員可以輕松、方便使用搜索平臺，而不需要了解Lucene。