« HTML协议系统学习详解
搜索引擎读书笔记<2>－nutch 和heritrix的区别和联系 »

搜索引擎lucene + heritrix读书笔记<1>

索引文件格式：

.fnm格式：包含Document中的所有field名称

.fdt格式： 用于存储具有Store.YES属性的field的数据

.fdx格式：是一个索引，用于存储Document在.fdt的位置

.tis格式：用于存储分词后的词条

.tii格式：是.tis对应的索引文件，标明每个.tis文件中的词条的位置

.cfs 复合索引格式. 当IndexWriter的属性useCompoundFile为true时，就是使用复合索引格式来保存索引。

索引建立过程中的关键组件：IndexWriter， IndexReader，IndexModifer

This entry was posted on 星期四, 12月 15th, 2011 at 23:25 and is filed under 搜索引擎. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.

2 Responses to “搜索引擎lucene + heritrix读书笔记<1>”

  1. Joseph Pan 说到：
    2011-12-17 @ 01:31

    看过这本书。讲的确实很详尽简单。不过有些地方有点啰嗦，价格也有点贵。

  2. amberlife 说到：
    2011-12-25 @ 23:59

    恩，是的。刚把这本书看完，本来准备做个垂直搜索的，现在又得要学习下别的东西。

Leave a Reply