使用 Lucene 查询 RDBMS 数据库

Question

我已经浏览了 Lucene 的 Java 版本的文档，但到目前为止我还没有真正看到顶级“这就是它的工作原理”信息（我知道我需要 RTFM，我可以只见树木不见森林）。

我了解 Lucene 使用搜索索引来返回结果。据我所知，它只从这些索引返回“命中”。如果我在构建索引时没有添加数据项，则不会返回。

没关系，所以现在我要检查以下假设：

问：这是否意味着我想在搜索页面上显示的任何数据都需要添加到 Lucene 索引中？

即
如果我想通过 sku、描述、类别名称等搜索 Products，但我也想在搜索结果中显示它们所属的 Customer，我是否：

1. 确保 Lucene 索引在索引中包含非规范化的 Customer 名称。
2. 使用 Lucene 返回的匹配项以某种方式查询数据库中的实际产品记录，并使用 JOIN 获取 Customer 的名称。

我假设它是选项 1，因为我假设没有办法将 Lucene 查询的结果“加入”到 RDBMS，但想问一下我对一般用法的假设是正确。

Answer 1

通常索引只包含您要搜索的字段，不一定包含您要显示的字段。应将索引优化为尽可能小，以保持良好的搜索性能。

为了能够显示更多数据，请在索引中添加一个字段，以便您检索完整的文档/数据，即您的 Product（产品 ID？）的唯一键。

Answer 2

我一直试图找出同样的问题，但我认为它的工作量太大。我认为这是一个替代方案。如果我的想法有误请指正！

你的情况是这样的： RDBMS 产品（很多）（很多）客户

我建议不要只将客户放在 lucene 索引中以获取产品密钥，然后使用 IN Query 查询 RDBMS，而是使用 Product 和 Customer 的笛卡尔积创建 lucene 索引。

喜欢 客户_1，产品_1 客户_1，产品_2 客户_2，产品_2..

这样，当您在 lucene 中搜索产品时，它会同时提供客户和产品 id.. 而不是将它们加入 RDBMS，您可以简单地查找这些客户以及产品如果需要，请从 RDBMS 获得更多信息。如果您使用缓存，那么额外的详细信息查找成本也会下降。

Answer 3

基于BrokenGlass's answer，我想了更多，并提出以下建议，看看我是否正确：

基本上，进一步采用选项 2，可以执行以下操作：

1. 仅将您要搜索的数据放入 Lucene 索引中，外加某种键值（例如数据库中表的 PK）。
2. 查询 Lucene 以获取命中列表。
3. 使用您选择的数据访问层，为您的数据库构建一个包含IN (value [, value]) 谓词的查询。
4. 从您的数据库中获取该查询的结果（很可能包括JOINs 到其他表）。
5. 将这些结果放入字典中，使用结果集的 PK 作为键。
6. 按顺序再次迭代 Lucene 匹配项，使用 PK 从字典中提取项目，以便您可以按照 Lucene 返回匹配项的顺序（即按相关性排序）构建结果列表。
7. 向用户显示“排序”的结果列表。

当然，第 5 步和第 6 步可能会更好，但为了便于解释，我将那个冗长的方法放在我的描述中。如果 Lucene 命中包含某种“相关性”值，那么您可以将其归因于结果集并执行标准排序，但这只是读者的练习。 :)

会是这样吗？