深扒Lucene源码——倒排表的存储（未完结）

在上一篇文章中，我们介绍了Lucene倒排表的生成过程。接下来，我们将深入探讨Lucene是如何存储和管理倒排表的。

Lucene倒排表的存储

Lucene的倒排表存储在索引目录下的多个文件中。这些文件包括：

• .doc文件： 存储每个文档的文档号、词频和位置信息。
• .pos文件： 存储每个词语在文档中的位置信息。
• .pay文件： 存储每个文档的评分信息。
• .tim文件： 存储每个文档的时间戳信息。
• .tip文件： 存储索引段的信息。

.doc文件

.doc文件是Lucene倒排表的主要文件，它存储每个文档的文档号、词频和位置信息。每个.doc文件对应一个索引段，索引段是Lucene管理索引的最小单位。

.doc文件的格式非常简单，它由一系列可变长度的记录组成。每个记录对应一个文档，记录的第一个字段是文档号，第二个字段是词语总数，第三个字段是词语列表。词语列表中，每个词语由其词语ID和词频组成，词语ID是一个唯一的整数，用于标识词语。词频表示该词语在文档中出现的次数。

例如，以下是一个.doc文件的示例：

1,3,a:2,b:1,c:1
2,2,a:1,b:1

该文件表示有两个文档，第一个文档的文档号为1，包含三个词语：a、b和c。词语a的词频为2，词语b和c的词频均为1。第二个文档的文档号为2，包含两个词语：a和b。词语a的词频为1，词语b的词频为1。

.pos文件

.pos文件存储每个词语在文档中的位置信息。每个.pos文件对应一个.doc文件，其格式与.doc文件类似，也是由一系列可变长度的记录组成。每个记录对应一个词语，记录的第一个字段是词语ID，第二个字段是位置列表。位置列表中，每个位置表示该词语在文档中出现的位置。

例如，以下是一个.pos文件的示例：

1,0,3,5
2,1,3

该文件表示有两个词语，第一个词语的词语ID为1，在文档中出现两次，位置分别为0和3。第二个词语的词语ID为2，在文档中出现一次，位置为1。

.pay文件

.pay文件存储每个文档的评分信息。每个.pay文件对应一个.doc文件，其格式与.doc文件类似，也是由一系列可变长度的记录组成。每个记录对应一个文档，记录的第一个字段是文档号，第二个字段是评分。评分是一个浮点数，表示该文档与查询的相关性。

例如，以下是一个.pay文件的示例：

1,0.8
2,0.6

该文件表示有两个文档，第一个文档的文档号为1，评分为0.8。第二个文档的文档号为2，评分为0.6。

.tim文件

.tim文件存储每个文档的时间戳信息。每个.tim文件对应一个.doc文件，其格式与.doc文件类似，也是由一系列可变长度的记录组成。每个记录对应一个文档，记录的第一个字段是文档号，第二个字段是时间戳。时间戳是一个长整数，表示该文档的最后修改时间。

例如，以下是一个.tim文件的示例：

1,1582129192
2,1582129193

该文件表示有两个文档，第一个文档的文档号为1，时间戳为1582129192。第二个文档的文档号为2，时间戳为1582129193。

.tip文件

.tip文件存储索引段的信息。每个.tip文件对应一个索引段，其格式非常简单，它由三个字段组成：索引段的名称、索引段的长度和索引段的创建时间。

例如，以下是一个.tip文件的示例：

_1,123456,1582129194

该文件表示一个名为_1的索引段，长度为123456，创建时间为1582129194。

Lucene倒排表的落盘过程

Lucene的倒排表是通过分段的方式落盘的。每个索引段都包含一个.doc文件、一个.pos文件、一个.pay文件、一个.tim文件和一个.tip文件。

当Lucene需要将倒排表落盘时，它会首先创建一个新的索引段。然后，它会将内存中的倒排表数据写入到新的索引段中。当新的索引段创建完成后，Lucene会将旧的索引段删除。

Lucene的倒排表落盘过程是一个非常高效的过程。它可以保证索引的快速搜索和更新。