在 lucene 中为布尔值编制索引的最佳选择是什么？

java lucene

2022-09-02 22:11:08

在lucene（不需要存储）中索引布尔值（真/假）我想获得更多的磁盘空间使用率和更高的搜索性能

doc.add(new Field("boolean","true",Field.Store.NO,Field.Index.NOT_ANALYZED_NO_NORMS));
//or
doc.add(new Field("boolean","1",Field.Store.NO,Field.Index.NOT_ANALYZED_NO_NORMS));
//or
doc.add(new NumericField("boolean",Integer.MAX_VALUE,Field.Store.NO,true).setIntValue(1));

我应该选择哪一个？还是其他更好的方法？

多谢

答案 1

一个有趣的问题！

我不认为第三个选项（NumericField）是布尔字段的好选择。我想不出任何用例。
Lucene 搜索索引（将存储的数据保留在一侧，您无论如何都不会使用这些数据）存储为倒排索引
保持第一个和第二个选项（理论上）相同

如果我面对这个问题，我想我会选择选项一（“真”和“假”术语），如果它影响了最终决定。

你的选择看起来不错，我想。NOT_ANALYZED_NO_NORMS

答案 2

Lucene 跳过了一组精心设计的箍，使 NumericField 可通过 NumericRangeQuery 进行搜索，因此，一定要避免在所有值不表示数量的情况下进行搜索。例如，即使您为整数编制索引，但仅将其作为唯一 ID，您仍然需要使用纯字符串字段。使用“true”/“false”是索引布尔值的最自然方法，而使用“1”/“0”通过避免大小写不匹配或拼写错误的可能性，只能带来轻微的优势。我会说这个优势不值多少钱，去真/假。