Nutch调用Lucene进行search的过程

准备工作：

用Nutch的crawler先爬好数据，假设数据存放的文件夹为crawl，要设置cong/nutch-site.xml下的searcher.dir的value为该文件夹，然后运行NutchBean,注意要加query参数。

 

过程之一：

进行一些列的初始化后，nutch调用了import org.apache.lucene.search.Searcher类

在其public TopDocs optimize(BooleanQuery original,
                         Searcher searcher, int numHits,
                          String sortField, boolean reverse)
    throws IOException {

函数中，建立了BooleanQuery

在没有设置searcherMaxHits和timerThread的情况下，会直接调用searcher.search(query, filter, numHits)，再调用search(createWeight(query), filter, n)进入Lucene的searcher包中。

如果设置参数限制，情况也类似。

 

过程之二：

简述Lucene的searcher的评分过程如下：

1、创建Query，将之传给Searcher

2、Searcher通过Query创建Weight

3、Weight创建Scorer

4、Searcher创建collector并将之传给Scorer

5、scorer根据match程度，计算出score

6、将score写到collector中

这里都用基类来代替，事实上，lucene的执行是这些类的子类的多态实现。

protected Weight createWeight(Query query) throws IOException {
      return query.weight(this);
  }//通过此函数实现步骤2

 

未完待续。。。