使用Luke Lucene进行索引

我就是我 2022-05-18 06:50 180阅读 0赞

1.  luke 简介
2.  luke下载及安装
3.  luke 使用

*  打开luke
 *  Overview选项卡
 *  Documents选项卡
 *  search选项卡
 *  Commits选项卡
 *  Plugins选项卡
 *  导出索引为XML
 *  检查索引正确性

1.  总结

1. luke 简介

![Image 1][]

### luke\#\#\# ###

是一个用于Lucene/Solr/Elasticsearch 搜索引擎的，方便开发和诊断的 GUI（可视化）工具。它有以下功能：

*  查看文档并分析其内容（用于存储字段）
 *  在索引中搜索
 *  执行索引维护：索引运行状况检查；索引优化（运行前需要备份）
 *  从`hdfs`读取索引
 *  将索引或其部分导出为XML格式
 *  测试定制的Lucene分析工具
 *  创建自己的插件

根据索引搜索的流程

![Image 1][]

来源：\[Lucene(使用 Luke 查看索引) \](https://hacpai.com/article/1472637616329?m=0)

2. luke 下载及安装

官方下载地址：[https://github.com/DmitryKey/luke/releases][https_github.com_DmitryKey_luke_releases]

![Image 1][]

最新版本是 luke - 6.5.0，发布于2017年5月。  
`luke - 6.5.0 - luke - release.zip`包含luke的可执行文件和打包好的jar包，可以通过双击`luke.bat`/`luke.sh`直接运行在Windows/Mac平台打开可视化界面。  
`Source code`包含luke的Maven项目的源代码。

由于 luke 的兼容性不太好，不同版本的 Lucene 生成的索引要使用对应版本的luke 进行分析，如果版本过低会导致无法正确解析索引。

3. luke 使用

打开luke

在Windows系统下，双击打开`luke.bat`，启动Luke。选择需要处理的索引位置，点击`OK`导入索引。

![Image 1][]

选择需要处理的索引位置

这些是我从solr中拿到的索引文件

![Image 1][]

Lucene索引文件

Overview选项卡

导入成功

![Image 1][]

图中，1处显示了统计结果，有1000个Document，17个Field，一共有17807个分词  
2处统计了所有的Field，每个Field所包含的分词个数，百分比和编码格式。  
3处是索引的详细信息，统计了每个分词出现的词频，以及对应的Field名字。

Documents选项卡

document选项卡用于文档的增删查改，下方的表格就像数据表一样，为我们展示每一个文件的具体数据，我们可以根据文档编号来查找文件。

![Image 1][]

Document

点击`Add`按钮新增Document；点击`Recoonstruct&Edit`来更改当前Document的值与属性。

![Image 1][]

修改document内容

在这里可以查看所选择的field的值。这里也可以相当于搜索功能。

![Image 1][]

选择要查看的field的值

Search选项卡

在这个界面可以进行索引的搜索测试，构造lucene的搜索语句，选择匹配的field字段，并执行查询。也可以选择进行索引的分词器，设置默认字段和重复搜索次数，设置限制查询时间及匹配个数、是否可以模糊匹配、选取哪种相似度的匹配模式、是否选用XML Query模式，还可以查看查询花费的时间等。

![Image 1][]

Commits选项卡

Comments选项卡用于查看每个索引文件的大小及相关属性，用于分析索引文件是否需要优化及合并等。

![Image 1][]

comments选项卡

Plugins选项卡

这个页面是luke提供的各种插件，其中，Analyser Tool提供了一些分词的类，如图为luke分词的一个示例。Hadoop插件支持Hadoop（ 0.20.1）的任何文件系统打开索引。

![Image 1][]

Scripting Luke提供了一个JavaScript的交互式Shell，可以在help查看具体使用方法。

![Image 1][]

Scripting Luke

Custom Similarity用于设计自定义相似性的插件

![Image 1][]

Custom Similarity

Vocabulary Analysisi Tool是一个表示索引词汇增长的工具。

![Image 1][]

Zipf distribution是用于显示术语流行度发行的工具

![Image 1][]

导出索引为xml

`Tools`\->`export Index to XML`将索引导出为xml格式。

![Image 1][]

index导出为xml

基本信息

<?xml version='1.0' encoding='UTF-8'?>
    <index>
    <info>
     <indexPath>F:\luke\testjson\index</indexPath>
     <fields count='17'>
      <field name='_key'/>
      <field name='_text_'/>
      <field name='_type'/>
      <field name='_version_'/>
      <field name='id'/>
      <field name='img'/>
      <field name='level'/>
      <field name='location'/>
      <field name='materials'/>
      <field name='measurement_size'/>
      <field name='measurement_volumne'/>
      <field name='museum_name'/>
      <field name='name'/>
      <field name='number_museum'/>
      <field name='number_system'/>
      <field name='productionDynasty'/>
      <field name='propertyType'/>
     </fields>
     <numDocs>1000</numDocs>
     <maxDoc>1000</maxDoc>
     <numDeletedDocs>0</numDeletedDocs>
     <numTerms>17807</numTerms>
     <hasDeletions>false</hasDeletions>
     <lastModified>N/A</lastModified>
     <indexVersion>6</indexVersion>
     <indexFormat>
      <genericName>Lucene 5.3 or later</genericName>
      <capabilities>flexible, codec-specific</capabilities>
     </indexFormat>
    <directoryImpl>org.apache.lucene.store.SimpleFSDirectory</directoryImpl>

部分索引内容

<field name='level' flags='Id----S-------Dsrtset----'>
    <val>一级</val>
    </field>
    <field name='location' flags='Id----S-------Dsrtset----'>
    <val>甘肃省张掖市肃南裕固族自治县</val>
    </field>
    <field name='materials' flags='Id----S-------Dsrtset----'>
    <val>丝</val>
    </field>
    <field name='measurement_size' flags='Id----S-------Dsrtset----'>
    <val>肩宽1.4，腰围宽1.5</val>
    </field>
    <field name='museum_name' flags='Id----S-------Dsrtset----'>
    <val>肃南县民族博物馆</val>
    </field>
    <field name='name' flags='Id----S-------Dsrtset----'>
    <val>乾隆御赐黄龙袍</val>
    </field>
    <field name='number_museum' flags='Id----S---#i64Dsrtset----'>
    <val>62072121800001</val>
    </field>
    <field name='number_system' flags='Id----S---#i64Dsrtset----'>
    <val>9223372036854775807</val>
    </field>
    <field name='productionDynasty' flags='Id----S-------Dsrtset----'>
    <val>清(1616~1911)</val>
    </field>

检查索引正确性

`Tools`\->`check Index Tool`进行索引检查

![Image 1][]

4. 总结

通过使用luke 对索引进行分析，我对索引有了更加深刻的理解和认识。luke的功能很全面。对于索引文件方面，我们可以通过使用luke检查索引的正确性，分析索引文件并进行修改和优化，将索引文件转换为易于阅读的XML格式，并且更直观地看到我们的documents；对于分词方面，luke可以加载分词包进行分词，进行词频统计及词汇增长统计，以及术语流行度统计等；对于搜索引擎，我们在构造查询语句之前，可以先使用luke进行查询语句校验，分析查询效率，更好地进行查询优化，这些对于设计一个更优秀的搜索引擎是很有必要的。  
参考链接：  
[http://www.kailing.pub/article/index/arcid/74.html][http_www.kailing.pub_article_index_arcid_74.html]  
[Luke:Lucene索引查看工具][Luke_Lucene]

作者：㭍葉  
链接：https://www.jianshu.com/p/d9b24259daa8  
來源：简书  
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

[Image 1]: 
[https_github.com_DmitryKey_luke_releases]: https://link.jianshu.com?t=https://github.com/DmitryKey/luke/releases
[http_www.kailing.pub_article_index_arcid_74.html]: https://link.jianshu.com?t=http://www.kailing.pub/article/index/arcid/74.html
[Luke_Lucene]: https://link.jianshu.com?t=http://blog.csdn.net/pelick/article/details/8496202