lucene DocValues——沒有看懂

前言：
在Lucene4.x之后，出現一個重大的特性，就是索引支持DocValues，這對於廣大的solr和elasticsearch用戶，無疑來說是一個福音，這玩意的出現通過犧牲一定的磁盤空間帶來的好處主要有兩個：
（1）節省內存
（2）對排序，分組和一些聚合操作時能夠大大提升性能

下面來詳細介紹下DocValue的原理和使用場景

（一）什么是DocValues？

DocValues其實是Lucene在構建索引時，會額外建立一個有序的基於document => field value的映射列表；

（二）為什么要用DocValues ？

基於lucene的solr和es都是使用經典的倒排索引模式來達到快速檢索的目的，簡單的說就是建立 搜索詞=》 文檔id列表 這樣的關系映射，
然后在搜索時，通過類似hash算法，來快速定位到一個搜索關鍵詞，然后讀取其的文檔id集合，這就是倒排索引的核心思想，這樣搜索數據
是非常高效快速的，當然它也是有缺陷的，假如我們需要對數據做一些聚合操作，比如排序，分組時，lucene內部會遍歷提取所有出現在文檔集合
的排序字段然后再次構建一個最終的排好序的文檔集合list，這個步驟的過程全部維持在內存中操作，而且如果排序數據量巨大的話，非常容易就造成solr內存溢出和性能緩慢。

基於這個原因，在lucene4.x之后出現了docvalue這個新特性，在構建索引時會對開啟docvalues的字段，額外構建一個已經排 好序的文檔到字段級別的一個列式存儲映射，它減輕了在排序和分組時，對內存的依賴，而且大大提升了這個過程的性能，當然它也會耗費的一定的磁盤空間。

（三）什么時候應該用DocValues？

通過上面的剖析，散仙相信大家已經對DocValues有一個初步的了解了，至於它的應用場景，那么也非常明顯了，總結起來主要以下幾個方面：

1，需要聚合的字段，包括sort，agg，group，facet等
2，需要提供函數查詢的字段
3，需要高亮的字段，這個確實能加速，但是散仙並不建議把高亮放在服務端程序做，建議放在前端實現，不容易出錯而且總體性能比服務端高
4，需要參與自定義評分的字段，這個稍復雜，大多數人的場景中，不一定能用到，后面會單獨寫一篇文章介紹。

對於不需要參與上面任何一項的字段，可以選擇關閉docvalues，這樣可以節省一定的磁盤空間.

（四）DocValues的種類

在lucene的枚舉類DocValuesType 中，我們可以看見它聲明了六個常量：
1,  NONE  不開啟docvalue時的狀態
2,  NUMERIC  單個數值類型的docvalue主要包括（int，long，float，double）
3,  BINARY    二進制類型值對應不同的codes最大值可能超過32766字節，
4,  SORTED  有序增量字節存儲，僅僅存儲不同部分的值和偏移量指針，值必須小於等於32766字節
5,  SORTED_NUMERIC   存儲數值類型的有序數組列表
6,  SORTED_SET     可以存儲多值域的docvalue值，但返回時，僅僅只能返回多值域的第一個docvalue

通常有四種docvalue存儲場景：

A： 字符串或UUID字段+單值 會選擇SORTED作為docvalue存儲
B： 字符串或UUID字段+多值 會選擇SORTED_SET作為docvalue存儲
C：數值或日期或枚舉字段+單值 會選擇NUMERIC 作為docvalue存儲
D：數值或日期或枚舉字段+多值 會選擇SORTED_SET作為docvalue存儲

注意，分詞字段存儲docvalue是沒有意義的

（五）如何在Lucene，Solr，ElasticSearch中使用DocValues？

說完了概念方面的東西，下面來點實例的例子，來看下如何給索引加上docsvalue，只要加上docvalues后，排序，分組，聚合的時候
會自動使用docvalue提速，所以我們關注的重點是如何激活docvalue。

1，在原生Lucene中使用DocValues，這個稍麻煩，需要自定義組裝，因為lucene是核心算法包，所以封裝程度並不是很高，正是
由於這樣，理解了lucene之后，再理解solr和elasticsearch是非常easy的。

下面是在lucene中存儲docvalue例子，一個是string類型，一個是數值類型，分詞類型在這里沒有意義，不再提及：

//數值存儲例子
  FieldType num=new FieldType();
  num.setStored(true);//設置存儲
  num.setIndexOptions(IndexOptions.DOCS);//設置索引類型
  num.setNumericType(NumericType.DOUBLE);//數值類型
  num.setDocValuesType(DocValuesType.NUMERIC);//DocValue類型

  Document doc=new Document();
  //添加string字段
  doc.add(new SortedDocValuesField("id",new BytesRef("01011")));
  //添加數值類型的字段  Float,Doule需要額外轉成bit位才能存儲，Interger和Long則不需要
  doc.add(new DoubleField("price", Double.doubleToRawLongBits(25.258), num));

如何讀取：

//讀取索引文件
 DirectoryReader reader=DirectoryReader.open(FSDirectory.open(Paths.get(indexDir)));
 //如果有多個段需要merge成一個，獲取第一個進行測試，本例中僅僅就有一個段
 SortedDocValues str = DocValues.getSorted(reader.leaves().get(0).reader(), "id");
 //數值類型
 NumericDocValues db = DocValues.getNumeric(reader.leaves().get(0).reader(), "price");
 //讀取字符串類型的ByteRef然后打印其內容
 System.out.println("id："+str.get(0).utf8ToString());
 //注意此處，要與類型對應，如果是Float，則需要Float.intBitsToFloat((int)db.get(0))進行位數還原
 System.out.println("price: "+Double.longBitsToDouble(db.get(0)));
 reader.close();

2，在Solr中docvalue默認是全部關閉，比較嚴謹，大家可酌情開啟

<fieldname="easy_money"type="double"indexed="true"stored="true"docValues="true"  />

3，在ElasticSearch中，默認docvalue全部激活，比較簡單暴力，大家可酌情關閉一些不需要使用docvalue的字段，以節省磁盤空間

"session_id":{"type":"string","index":"not_analyzed","doc_values":false}

摘自：http://qindongliang.iteye.com/blog/2297280