轉載請注明出處：[http://blog.csdn.net/xiaojimanman/article/details/42836309](http://blog.csdn.net/xiaojimanman/article/details/42836309) 前面我們已經介紹了非結構數據的檢索過程以及lucene的數學模型，這篇博客就主要介紹一下lucene索引的文件結構，下圖是lucene生成的索引實例：  lucene索引結構是層次結構，主要有以下幾個層次： **索引（Index）** 在lucene中，一個索引是放在一個文件夾中的，上述實例中的所有文件就組成了lucene索引 **段（Segment）** 一個索引中可以有很多段，段與段之間是獨立的，添加新的文檔可能會生成新段，不同的段可以合并生成一個新段，上圖中相同的前綴文件就屬于同一個段（圖中共有兩個段 ?_0 和 _1），當段的個數達到一定數量，段與段直接會合并，生成新段；segments.gen和segment_2既是段的元數據文件，也保存了段的屬性信息。 **文檔（Document）** 文檔是創建索引的基本單位，不同的文檔保存在不同的段中，一個段可以包含所個文檔，新添的文檔保存在一個新生成的一個段中，隨著段的合并，不同的段會合并成一個新段。 **域（Field）** 一個文檔包含不同類型的信息，可以拆分開索引，比如小說信息可以有書名、作者名、更新時間、簡介、更新時間等屬性，這些都可以保存在不同的域中。 **詞（Term）** 詞是索引的最小單位，是經過詞法分析和語言處理后的字符串，[上篇博客中](http://blog.csdn.net/xiaojimanman/article/details/42818185)的N維空間向量，每一個維度都是一個詞。 **正向信息&反向信息** lucene的索引結構中，即保存了正向信息，也保存了反向信息。所謂的正向信息就是安層次保存了從索引一直到詞的包含關系：索引-->段-->文檔-->域-->詞，即此索引包含了哪些段，每個段包含了哪些文檔，每個文檔包含了哪些域，每個域域又包含了那些詞。 如上圖中，包含正向信息的文件有： segment_2 保存了此索引包含了多少段，每個段包含了多少篇文檔； xxx.fdx ， xxx.fdt 保存了此段的所有文檔，每篇文檔包含了多少域，每個域保存了哪些信息； xxx.fnm 保存了此段包含了多少域，每個域的名稱以及索引方式； xxx.tvx ， xxx.tvd ， xxx.tvf 保存了此段包含了多少文檔，每篇文檔包含了多少域，每個域包含了多少詞，每個詞的字符串、位置等信息。 （這里需要說聲歉意，上圖的索引文件截圖是基于lucene4.3.1創建出來的，文件結構和之前的版本有了很大的改動，自己查找了很多資料都沒有找到新的對應關系，所以這部分還是按照之前的文件結構來介紹的，最后后附錄之前的索引文件結構） 所謂反向信息保存了詞典的倒排表的映射：詞-->文檔，包含反向信息的文件有： xxx.tis xxx.tii 保存了詞典，即此段包含的所有的詞按字典的順序排序； xxx.frd 保存了倒排表，也即是每個詞的文檔ID列表； xxx.prx 保存了倒排表中的每個詞在文檔中的位置。 **lock** 上圖中還有一個重要的write.lock文件，lucene中目前有write.lock和commit.lock兩種，write.lock是在對索引文件進行修改的時候生成的，這個時候IndexWrite的操作或者IndexReader 刪除Document或取消刪除都會拋出異常；commit.lock是在segments文件被讀取活合并的時候生成的，當IndexReader讀取索引文件之前會獲得commit.lock，當segments被讀取完畢的時候會被釋放。 lucene3.0的索引文件結構如下圖：  注：關于lucene4.3.1創建的文件結構自己將會繼續查找相關資料，希望可以早日找到相關說明；如誰了解該問題，還請給出相關介紹或鏈接。 ps: lucene的原理部分就到這里結束了，下篇博客就開始介紹一些案例中可能會用到的API。