Lucene初探之?dāng)?shù)據(jù)格式詳情(三)

今天，我們來了解一下Lucene的域的元數(shù)據(jù)信息—>.fnm。 一個(gè)段包含多個(gè)域，每個(gè)域都存儲(chǔ)一下元數(shù)據(jù)。fnm文件的詳細(xì)數(shù)據(jù)格式大致如下： 如同上面對(duì)段的信息的介紹一般，我們來一個(gè)個(gè)地看一下域中各個(gè)不同存儲(chǔ)區(qū)域的具體含義和作用。

如果要詳細(xì)地深入了解域的元數(shù)據(jù)信息，則需要下面幾點(diǎn)：

了解了fnm文件之后，和域相關(guān)的文件還有fdx、fdt兩種，下面就讓我們來深入了解一下這兩種文件的詳細(xì)情況。 由這幅圖我們可以清晰地看到，fdx文件其實(shí)是fdt文件的一個(gè)索引文件，也就是域索引文件，而fdt文件才是真正的存儲(chǔ)域數(shù)據(jù)的文件。 我們來由下往上看，fdt文件一共有segment.size項(xiàng)，也就是一個(gè)一個(gè)段所包含的文檔數(shù)量。每一篇文檔都在fdt文件中有一個(gè)對(duì)應(yīng)的映射區(qū)域；對(duì)于每一篇文檔，其存儲(chǔ)的信息大概是：

看完fdt文件，我們?cè)賮砜匆幌耭dx文件，其是由一個(gè)個(gè)的fieldValuePosition組成，其代表的是對(duì)應(yīng)的域在fdt文件中相對(duì)起始位置的偏移量（節(jié)約存儲(chǔ)空間）。

我們看完域的數(shù)據(jù)存儲(chǔ)格式和相關(guān)信息之后，還剩下的就是最低層的存儲(chǔ)數(shù)據(jù)單元了–詞向量的數(shù)據(jù)信息。

我們?cè)诖讼葟恼w上來看一下詞的存儲(chǔ)情況： 相信看過上面對(duì)域的數(shù)據(jù)存儲(chǔ)分析之后，大家在看到這幅圖時(shí)一定一眼就明白詞向量的大概存儲(chǔ)情況了吧，很明顯，三個(gè)文件—->tvx、tvd、tvf，分別代表詞向量索引文件，詞向量文檔文件、詞向量域文件。

以上都是索引的正向信息，下一篇我們將再去了解一下反向信息，敬請(qǐng)期待。