lucene DocValues——本质是为通过docID查找某field的值
什么是docValues?
docValues是一种记录doc字段值的一种形式,在例如在结果排序和统计Facet查询时,需要通过docid取字段值的场景下是非常高效的。
为什么要使用docValues?
这种形式比老版本中利用fieldCache来实现正排查找更加高效,更加节省内存。倒排索引将字段内存切分成一个term列表,每个term都对应着一个docid列表,这样一种结构使得查询能够非常快速,因为term对应的docid是现成就有的。但是,利用它来做统计,排序,高亮操作的时候需要通过docid来找到,field的值却变得不那么高效了。之前lucene4.0之前会利用fieldCache在实例启动的时候预先将倒排索引的值load到内存中,问题是,如果文档多会导致预加载耗费大量时间,还会占用宝贵的内存资源。
索引在lucene4.0之后引入了新的机制docValues,可以将这个理解为正排索引,是面向列存储的。
DocValues和 field的存储值(field属性设置为stored=“true”)有什么区别?
docValues和document的stored=ture存储的值,都是正排索引,单也是有区别的:
l 存储方式:
DocValues是面向列的存储方式,stored=true是面向行的存储方式,如果通过fieldid取列的值可定是用docValues的存储结构更高效。
l 是否分词:
Stored=true的存储方式是不会分词的,会将字段原值进行保存,而docValues的保存的值会进行分词。
DocValues的实现
docValues的类型:
查了一下lucene的源码,发现DocValues有四种实现方式:
- Memory
l 实现类:org.apache.lucene.codecs.memory.MemoryDocValuesFormat
运行时正排数据会全部加载到内存中,这部分数据在内存中是压缩存储的
- Direct
l 实现类:org.apache.lucene.codecs.memory.DirectDocValuesFormat
导入到内存中不压缩使用,这个实际使用的效果应该和老版本的fieldcache差不多吧
- SimpleText
l 实现类:org.apache.lucene.codecs.simpletext.SimpleTextDocValuesFormat
这个只是当娱乐只用,不用在环境中使用
以上三种类型定义在lucene-codecs-5.3.0.jar的META-INF/services目录下
- Lucene50(默认使用)
l 实现类:org.apache.lucene.codecs.lucene50.Lucene50DocValuesFormat
Lucene50定义存放在lucene-core-5.3.0.jar的META-INF/services目录下
Lucene50的实现方式和Memory的实现方式大同小异,支持的字段类型更加丰富
在lucene50中将docValues的值分成5种类型:
- Numeric
- Binary
- Sorted
- SortedSet
- SortedNumeric
类型是由Schema中的field类型决定的:
l StrField或者UUIDField
如果字段不是多值字段,则类型是SORTED
如果是多值字段,则类型是SORTED_SET
l 数值字段Trie*或者EnumField
如MultiValue=false,则NUMERIC
如MultiValued=true,则SORTED_SET
如何使用
Schema field字段设置
<field name="manu_exact"
type="string" indexed="false" stored="false"
docValues="true" />
另外可以通过fieldtype的docValuesFormat属性来设置docValue的实现策略:
<fieldType name="string_in_mem_dv"
class="solr.StrField" docValues="true"
docValuesFormat="Memory" />
总结
如果在索引上要进行facet,gourp,highlight等查询尽量使用docValue,这样不用为内存开销烦恼了。
例如:solr4.0之后都会需要在schema中设置一个_version_字段来实现对文档的原子操作,为了节省内存,可以加上docValues:
<field name="_version_"
type="long" indexed="true" stored="true" docValues="true"/>
一个朋友分析得不错的
http://blog.csdn.net/zteny/article/details/60633374
apache官方说明:
https://cwiki.apache.org/confluence/display/solr/DocValues
转自:http://mozhenghua.iteye.com/blog/2275932
转载于:https://www.cnblogs.com/bonelee/p/6669306.html
lucene DocValues——本质是为通过docID查找某field的值相关推荐
- Lucene DocValues详解
今天斗胆来试试DocValues,对于DocValues我想大家都不会觉得陌生,同时又不是非常熟悉,就是那种熟悉而又陌生的感觉. 一.docValues是什么鬼呢? DocValues在LUCENE- ...
- 用指针查找数组中温度值为32的天数
<程序设计基础实训指导教程-c语言> ISBN 978-7-03-032846-5 p92 5.1.2 上级实训内容 [实训内容4]假设一个数组用于存储一周7天,每天24小时温度的度数,数 ...
- opencv cv2.LUT()(使用查找表中的值填充输出数组)
from cv2.__init__.py def LUT(src, lut, dst=None): # real signature unknown; restored from __doc__&qu ...
- Excel插件:按范围查找,按格式查找,标示相同值
Excel内置的查找功能只能查找等于某某值的单元格, Excel插件:按范围查找,按格式查找,标示相同值
- vlookup匹配值不唯一_突破VLOOKUP函数限制,查找多个对应值
原标题:突破VLOOKUP函数限制,查找多个对应值 题外话:卢子从今天起联合了一些会计公众号开始送资料,正常安排在第2篇,会持续送很多天,大家按自己需要下载. VLOOKUP函数很神奇,不过并非万能查 ...
- 有序数组二分查找最接近的值
有序数组二分查找最接近的值 问题 思路 代码 循环的终止条件 如何改为求upper_bound 问题 给你一个有序数组,数组里面有正有负,有重复值,再给你扔一个target 数,求这个数组中最接近ta ...
- 关于二分查找算法中中间值的获取
关于二分查找算法中中间值的获取 //left是左边元素索引的变量,right是右边元素索引的变量 int mid = (left + right) / 2; //这样写的话可能会出现问题,当数组中的元 ...
- 在Excel中根据条件查找匹配多个值
在Excel中根据条件查找匹配多个值(vlookup只能匹配第一个值) 之前在深圳的时候就被问过这个问题,今天又遇到同事在问,索性记录在此. 如下图,根据E列的值,在A列中查找对应的数据,输出匹配行上 ...
- 如何在excel UiPath中查找范围内的值
如何在excel UiPath中查找范围内的值 我们经常在自动化业务流程的同时使用 excel 文件. 如果要在该 excel 文件中查找某个范围内的值以获取搜索值的地址. 我们如何才能完成这项任务? ...
最新文章
- 云职教课堂计算机文化基础,2020智慧职教云课堂计算机文化基础答案最新最全单元测试答案...
- 宇宙条一面:十道经典面试题解析
- 【Python基础】Pandas数据可视化原来也这么厉害
- centos yum安装nginx 提示 No package nginx available问题解决方法
- 语句 查询每个人每个科目的最高分_转行数据分析师专栏(SQL篇)-05多表查询...
- vs2015企业版密钥
- 10、存储过程、while语句
- 使用Axis2方式发布webService实例说明
- Docker入门系列(一):目标和安排
- 关于 SQLNET.AUTHENTICATION_SERVICES 验证方式的说明
- 深度 | 人工智能究竟能否实现?
- 外部IC寄存器的位定义
- W(hadoop).Permission denied: user=dr.who, access=WRITE, inode=“/output“:root:supergroup:drwxr-xr-x
- 错误specificity:nan
- 【转载】 Sqlserver使用Left函数从最左边开始截取固定长度字符串
- 数据结构之线性表----一文看懂顺序表、单链表、双链表、循环链表
- 网卡驱动修改服务器,网卡驱动配置
- CRNN:文本序列识别
- [杀鸡用鸡刀]扯谈“快准狠”的去服务化商业模式
- idea 设置黑色或白色背景以及图片背景
热门文章
- 利用libevent 和线程池实现高并发服务器的设计
- 二. 主流视频编码标准的发展
- 鸿蒙 github harmony,鸿蒙HarmonyOS三方件开发指南-SwipeLayout侧滑删除
- conlleval_[转载]CRF++的使用总结
- 软件性能测试瓶颈定位,软件性能问题正确定位思路
- 倪海厦天纪笔记16_倪海厦老师讲解天纪易经——第3集(13)
- mysql子查询设置_什么是mysql子查询?如何利用子查询进行过滤?
- git pull 报错:git - error: RPC failed; curl 18 transfer closed with outstanding read data remaining 解决
- 【原理+实战+视频+源码】java更新无法下载所需安装文件
- python【力扣LeetCode算法题库】27-移除元素