lucene自定义过滤器

先介绍下查询与过滤的区别和联系，其实查询(各种Query)和过滤(各种Filter)之间非常相似，可以这样说只要用Query能完成的事，用过滤也都可以完成，它们之间可以相互转换，最大的区别就是使用过滤返回的结果集不带评分操作，而使用Query返回的结果都是带相关性评分的，所以当我们如果有一些跟评分操作没有关系的业务，优先使用Filter操作，将会获取更好的性能，其实这也是Solr里面的q参数跟fq参数的区别。 


下面，开始进入正题，在这之前，散仙还是喜欢老生常谈的先来了解一下Lucene里面有关于Filter的整体知识   

 

下面，我们来看下具体的在代码里怎么实现，先来看下我们的测试数据

Java代码   

1. id      score       bookname    ename       type            price       date
2. 1       1       飘渺之旅        pmzl        小说      52.23       201005
3. 2       1       三国演义        sgyy        小说      36.13       201207
4. 3       1       数据库实战       sjksz       技术      77.13       200811
5. 4       1       编程宝典        bcbd        技术      100.3       200501
6. 5       1       职场关系论       zcgxl       职场      36.59       200501
7. 6       1       健康生活        jksh        生活      20.47       200008
8. 7       1       看清本质        kqbz        社会      10.37       201004
9. 8       1       编程,编程       bcbc        社会      10.37       201004

核心代码

Java代码   

1. //使用过滤器   最后一个为true时包含边界部分，为false时不包含边界部分
2. //倒数第二个为true时，包含查询边界，为false时不包含
3. TermRangeFilter filter=new TermRangeFilter("ename", new BytesRef("h"), new BytesRef("n"), true, true);
4. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

Java代码   

1. 6       1       健康生活        jksh        生活      20.47       200008
2. 7       1       看清本质        kqbz        社会      10.37       201004

核心代码

Java代码   

1. NumericRangeFilter<Double> filter=NumericRangeFilter.newDoubleRange("price", 10D, 40D, true, false);
2. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

Java代码   

1. 2       1       三国演义        sgyy        小说      36.13       201207
2. 5       1       职场关系论       zcgxl       职场      36.59       200501
3. 6       1       健康生活        jksh        生活      20.47       200008
4. 7       1       看清本质        kqbz        社会      10.37       201004
5. 8       1       编程,编程       bcbc        社会      10.37       201004

核心代码

Java代码   

1. //使用缓存过滤
2. Filter filter=FieldCacheRangeFilter.newDoubleRange("price", 20D, 50D, true, true);
3. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

Java代码   

1. 2       1       三国演义        sgyy        小说      36.13       201207
2. 5       1       职场关系论       zcgxl       职场      36.59       200501
3. 6       1       健康生活        jksh        生活      20.47       200008

核心代码

Java代码   

1. // 缓存域过滤特定的类别
2. Filter filter=new FieldCacheTermsFilter("type", new String[]{"技术","社会"});
3. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

Java代码   

1. 3       1       数据库实战       sjksz       技术      77.13       200811
2. 4       1       编程宝典        bcbd        技术      100.3       200501
3. 7       1       看清本质        kqbz        社会      10.37       201004
4. 8       1       编程,编程       bcbc        社会      10.37       201004

核心代码

Java代码   

1. //使用QueryWrapperFilter类包装一个Query
2. QueryWrapperFilter  filter=new QueryWrapperFilter(new TermQuery(new Term("type", "技术")));
3. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

Java代码   

1. 3       1       数据库实战       sjksz       技术      77.13       200811
2. 4       1       编程宝典        bcbd        技术      100.3       200501

最后我来看下，如何继承Filter基类，来定制我们自己的filter,自定义的Filter，虽然某些时候，功能很强大灵活，但是有几个缺点，我们的了解1，保证是内容不重复的字段，例如主键，如果重复，默认返回第一个作为结果集显示2，保证不能被分词的内容，如果是分词的字段，则可能会出现一些不正确的结果。   
自定义Filter类

Java代码   

1. package com.sanjiesanxian.test;
2. import java.io.IOException;
3. import java.util.BitSet;
4. import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
5. import org.apache.lucene.index.AtomicReaderContext;
6. import org.apache.lucene.index.DocsEnum;
7. import org.apache.lucene.index.Term;
8. import org.apache.lucene.search.DocIdSet;
9. import org.apache.lucene.search.Filter;
10. import org.apache.lucene.util.AttributeSource;
11. import org.apache.lucene.util.Bits;
12. import org.apache.lucene.util.DocIdBitSet;
13. import org.apache.lucene.util.FixedBitSet;
14. import org.apache.lucene.util.OpenBitSet;
15. /***
16. *^_^  ^_^  ^_^
17. * 自定义过滤器
18. * @author
19. * */
20. public class MyCustomFilter extends Filter{
21. public MyCustomFilter() {
22. // TODO Auto-generated constructor stub
23. }
24. private String[] terms;//限制返回的数据字典
25. public MyCustomFilter(String ...terms) {
26. // TODO Auto-generated constructor stub
27. this.terms=terms;
28. }
29. @Override
30. public DocIdSet getDocIdSet(AtomicReaderContext arg0, Bits arg1)
31. throws IOException {
32. FixedBitSet bits=new FixedBitSet(arg0.reader().maxDoc())  ;//获取没有所有的docid包括未删除的
33. int base=arg0.docBase;//段的相对基数，保证多个段时相对位置正确
34. //int limit=base+arg0.reader().maxDoc();//计算最大限制值
35. for(String s:terms){
36. DocsEnum doc=arg0.reader().termDocsEnum(new Term("id", s));//必须是唯一的不重复
37. //保证是单个不重复的term,如果重复的话，默认会取第一个作为返回结果集,分词后的term也不适用自定义term
38. if(doc.nextDoc()!=-1){
39. bits.set(doc.docID());//对付符合条件约束的docid循环添加到bits里面
40. }
41. }
42. return bits;
43. }
44. }

测试查询代码

Java代码   

1. MyCustomFilter filter=new MyCustomFilter("3","5","2");//随意指定1之多个需要过滤的项
2. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);

输出结果

Java代码   

1. 2       1       三国演义        sgyy        小说      36.13       201207
2. 3       1       数据库实战       sjksz       技术      77.13       200811
3. 5       1       职场关系论       zcgxl       职场      36.59       200501

自定义过滤器虽然有缺点，但是某些场景下却能发挥很灵活的作用，特别是对没有分词的字段进行过滤操作。