本文目录一览：
怎么用java 开发一个搜索引擎呀？
一． 创建索引
1．一般创建索引的核心步骤
（1）. 创建索引写入对象IndexWriter：
IndexWriter indexWriter = new IndexWriter(INDEX_STORE_PATH,new StandardAnalyzer(),create);
参数说明：INDEX_STORE_PATH： 索引文件存放路径
new StandardAnalyzer()： 分词工具
create： 此参数为Boolean型，true表示重新创建整个索引， false 表示增量式创建索引。
（2）．创建文档模型,并用IndexWriter对象写入
Document doc = new Document();
Field field1 = new Field(fieldName1, fieldValue , Field.Store.YES, Field.Index.TOKENIZED);
doc.add(field1);
Field field2 = new Field(fieldName2, fieldValue , Field.Store.YES, Field.Index.TOKENIZED);
doc.add(field2)；
……
indexWriter.addDocument(doc);
indexWriter.close();
参数说明：
Document ：负责搜集数据源,它可以从不同的物理文件提取数据并放入同一个Document 中或从一个物理文件中提取出不同的数据并放入同一个Document中。
如下图所示
Field ：用来表示不同的数据源
fieldName1: 表示field名称
fieldValue: 表示field 的值
Field.Store.YES,：表示是否在索引文件中完整的存储该值。
在创建索引时，有些内容需要以摘要的形式完整地或以片段的方式显示在页面上，来便于用户查找想要的记录，那么就应该选择存储,如果不需要完整或片段的显示就不需要存储。
Field.Index.TOKENIZED ：表示是否索引和分词。
只要是需要当作关键字让用户查找的字段就需要建立索引。
在建立索引的过程中，如果像文章标题、文章内容这样的Field, 一般是靠用户输入几个关键字来查询的，就应该选择分词。
如果需要用户输入完整字符也就是精确查找才能查询到的，例如：beanName，就可以不分词。
Document最直观的理解方式：
Document就相当于我们平台中的一个普通javaBean,，而Field 就是javaBean中的一个属性。lucene搜索的机制就是靠搜索指定的Field的值 ，来得到含有要搜索内容的Document 集合，所以问题的关键在于如何组织Document .
2．结合平台创建索引的思路
(1) 经分析搜索元素应该由如下内容组成（Document的属性）
(2) 数据库数据转化为Document 的构造过程：
JavaBean / Attachment → (Temp Object) BaseData → (Finally Object) Document
分析：
要建立索引的源数据分为两大部分：一个是数据库数据 BeanData ,另一个是附件数据 FileData , 这样可以建立一个抽象类 BaseData , 来存放它们共有的属性。同时为了管理这些相应的数据，在相同的等级结构上，建立了相应的管理类（xxxDataManager） ，对这些数据类的操作（建立或删除索引）进行管理，并用一个工厂类(DataManagerFactory)来创建所需要的管理类，IndexHelper用来充当整个索引模块对外的接口，为了实现一些与平台特定的业务，特用SupportManager来提供一些额外的业务支持，索引模块代码结构如下图所示。
二．搜索索引
1. lucene 搜索的核心步骤：
String[] fields = {“title”, “summary”,……}; //要查找的field范围
BooleanClause.Occur[] flags = {BooleanClause.Occur.SHOULD, BooleanClause.Occur. MUST ,……};
Query query = MultiFieldQueryParser.parse(queryStr, fields,flags,new StandardAnalyzer());
Hits hits = new IndexSearcher(INDEX_STORE_PATH).search(query);
for (int i = 0;i hitsLength ; i++)
{
Document doc = hits.doc(i);
String title = doc.get(“title”);
String summary = doc.get(“summary”);
// 搜索出来的结果高亮显示在页面上
if (title != null) {
TokenStream tokenStream = analyzer.tokenStream(“title”,new StringReader(title));
String highlighterValue = highlighter.getBestFragment(tokenStream, title) ;
if(highlighterValue != null){
title = highlighterValue ;
}
//log.info("SearchHelper.search.title="+title);
}
if(summary!= null){
TokenStream tokenStream = analyzer.tokenStream(“summary”,new StringReader(summary));
String highlighterValue = highlighter.getBestFragment(tokenStream, creator) ;
if(highlighterValue != null){
summary = highlighterValue ;
}
//log.info("SearchHelper.search. summary ="+ summary);
}
}
2．结合平台构造搜索模块
PageData 类用来存放检索结果集数据。
PageInfo 类用来存放页面相关信息例如，PageData对象集合、总记录个数、每一页的记录数、 总页面数量等等。
SearchHelper用来充当整个搜索模块的对外接口。
三．为平台组件添加索引的步骤（以知识中心为例）
1．在com.cscec.oa.searchengine.extend.module 目录下添加一个新的package
例如：com.cscec.oa.searchengine.extend.module.resourcestore
2．在新的目录下建立data package 并建立相应的数据类，并使这个数据类继承BeanData。
例如：
package com.cscec.oa.searchengine.extend.module.resourcestore.data
public class ResourceStoreBeanData extends BeanData{
}
3. 与data package 同一级目录建立manager package 并建立相应管理类，并使这个管理类继承BeanDataManager
例如：
com.cscec.oa.searchengine.extend.module.resourcestore.manager
public class ResourceStoreBeanDataManagerImpl extends BeanDataManager{
}
4．以管理员的身份登陆OA后，在菜单中找到“索引模块管理”链接，将相应信息添加完成后，便可以在List 页面 点击“创建索引”对该模块的数据进行索引的建立，建立完成后便可以进行查询。
java 搜索引擎
用lucene检索包，很强大。到官网下一个最新版本就可以进行二次开发。
至于中文支持，可以使用流行的中文分词包，建议用用paoding。
北大青鸟java培训：学习Java应该了解的大数据和框架？
很多人都在知道，计算机行业的发展是非常迅速的，软件开发人员想要跟上时代的发展，最重要的就是不断挑战自己。
在学习软件开发的过程，前期学习的知识是远远不够的，需要了解更多的知识，并且挑战更多的复杂性。
现在学习Java语言不能忽略工具和框架的使用，工具和框架的构建越来越复杂。
很多人不知道学习工具和框架有什么用？下面四川电脑培训为大家具体了解Java开发应该了解的大数据工具和框架。
一、MongoDB这是一种最受欢迎的，跨平台的，面向文档的数据库。
MongoDB的核心优势是灵活的文档模型，高可用性复制集和可扩展的碎片集群。
四川java培训建议可以尝试以多种方式了解MongoDB，例如MongoDB工具的实时监控，内存使用和页面错误，连接，数据库操作，复制集等。
二、Elasticsearch主要是能够为云构建的分布式RESTful搜索引擎。
Elasticsearch主要是使用在Lucene之中的服务器，能够进行分布式多用户能力的全文搜索引擎，并且还是使用在Java的开发中，这是现在很多企业中使用最流行的搜索引擎。
ElasticSearch不仅是一个全文搜索引擎，而且是一个分布式实时文档存储，每个字段都能够被索引并且可以被搜索。
它也是一个具有实时分析功能的分布式搜索引擎，java课程发现它还可以扩展到数百个服务器存储和处理数PB的数据。
三、Cassandra这是一个开源的分布式数据库管理系统，最初由Facebook开发，用于处理许多商用服务器上的大量数据，提供高可用性而无单点故障。
ApacheCassandra是一套开源分布式NoSQL数据库系统。
集GoogleBigTable的数据模型与AmazonDynamo的完全分布式架构于一身。
于2008开源，此后，由于Cassandra良好的可扩展性，被Digg、Twitter等Web2.0网站所采纳，成为了一种流行的分布式结构化数据存储方案。
四、Redis开源（BSD许可证）内存数据结构存储，用作数据库，缓存和消息代理。
Redis是一个开源的，基于日志的Key-Value数据库，用ANSIC编写，支持网络，可以基于内存持久化，并提供多种语言的API。
Redis有三个主要功能，四川IT培训认为可以将它与许多其他竞争对手区分开来：Redis是一个将数据完全存储在内存中的数据库，仅使用磁盘用于持久性目的。
