lucene是什么？
lucene是基于java的开源全文索引工具包。
开源好理解，开放源代码嘛！可是，这个全文索引是什么东西？全文索引是索引的一种，不了解索引的朋友可以看这篇文章(索引是什么)。索引是一种有特殊数据结构的数据。在某种情况，通过它，可以对数据进行快速查询。
简而言之，lucene是一个jar包，这个jar包有很多的工具类，可以帮助你创建一种名叫全文索引的索引，可以帮助你使用这些被创建的索引来进行快速检索。
lucene的原理是什么？
这个问题描述的不准确，应该是lucene能够进行快速检索的原理是什么？这个问题lucene的定义"lucene是基于java的开源全文索引工具包"已经给出了答案。通过lecene提供的工具，你对需要进行搜索的原数据（文档，网页，数据库等）进行索引操作，生成一份全文索引数据。在进行检索的时候，你不是对原数据, 而是对索引数据进行搜索的，所以你的检索效率才有了指数级提高(索引数据有利于检索的数据结构)。
什么是全文索引？
全文索引，又称倒排索引(反向索引)(inverted index)，与之相对应的是正排索引(正向索引)(forward index)。
正排索引：无论课本，杂志，还是报纸，它们都拥有一个目录。假如我们想看某篇文章，通过目录，我们可以快速的找到这篇文章所在的页面，而不是笨拙的一页页的去翻看这本书。这里，目录就是一个索引。它有文章标题到文章位置(页码)映射的特殊数据结构，可以帮助我们去定位一个文章所在书本的位置。书籍的目录即是相对书籍中的文章的一份索引信息。像目录这种索引，因为通过文章名称(文章名称相当于文章的唯一标识)去找文章，是一个很自然的操作，所以目录这种索引，被称为正向索引（通过人名找人；通过手机品牌找手机）。
倒排索引是什么：与正排索引相对立，如果我想通过文章中的一部分内容去找这篇文章（例如："http://bbkmgt.com"这个网址被包含在哪个文章之中？），就是一个反向操作了，不那么自然了，而且查找速度会特别慢（一本几百页的书籍，如果不做任何处理的话，想找到这个网址在哪里,你需要一行行去查找匹配，查找效率自然很慢）。好在我们可以针对书籍先做处理，找出所有包含"http://bbkmgt.com"的文章，建立一个从"http://bbkmgt.com"到文章的映射，通过映射，还是可以快速检索"http://bbkmgt.com"在哪篇文章之中，这种不太自然的映射结构，被称为倒排索引（例如：如何通过一颗胎记去找人？建立一个胎记到人的映射。通过一颗零件去找手机？建立手机零件到手机的映射。）。虽然建立这个映射的过程比较耗时，但是如果我的查询次数比较多，这个前置的消耗可以被认为是值得的。
理解了全文索引，我们可以总结出，使用的lucene基本流程是①建立索引:为原文档建立索引。 ②检索：在索引中进行检索。下面，我们详细解说这两步，并引出一系列的细节操作与相关名词。
lucene使用？
我们用以下四篇文档为例，说明lucene的具体流程。
1.我是邢星星，我在做一个论坛，讨论一些基础, IT, Java, 搜索引擎, 大数据方面的知识，如果你有疑惑，可以到http://bbkmgt.com来提出问题, 我们共同讨论。
2.本质的，简单的，用本质解释一切。
http://3.bbkmgt.com是bit, byte, kb, mb, gb, tb的缩写。
4.据人民日报报道, 百分之十的学生在大学代数这本课挂科,知道的人表示很吃惊。所以识别一个学生是否合格，就看他的代数成绩。
一、lucene创建索引，即创建词元term到文档document id的映射。
以文档1为例：
上面我们说到，我们想检索出http://bbkmgt.com被哪个文档包含。与之对应，理论上我们应该建立建立"http://bbkmgt.com"到文档id的映射。
如果我们想检索"大数据", 与之对应，理论上我们应该建立建立"大数据"到文档id的映射。
如果我们想检索"大数据方面", 与之对应，理论上我们应该建立建立"大数据方面"到文档id的映射。
如果我们想检索"大数据方面的", 与之对应，理论上我们应该建立建立"大数据方面的"到文档id的映射。
如果我们想检索"大数据方面的知", 与之对应，理论上我们应该建立建立"大数据方面的知"到文档id的映射。
那么对于任意一篇文档来说，因为用户的检索词不可知，为了应对用户所有可能的检索，那么我们是否应该把每一种可能都建立一种映射。答案是这是不合理的，对于任意一篇文档来说，这种可能太多了。另外，假如用户搜索"大数据知识", 你会发现即使把文档1相邻的所有可能出现的字都建立映射，里面也没有出现"大数据知识",但文档1里面包含了大数据、知识两个词，以我们普通人的视角而言，应该返回文档1。这个时候，你突然想到如果我把文档的每个字符建立一个映射，查询的时候把查询词分割成一个个的字符，到索引里进行检索，当同一个文档同时出现"大","数","据","知","识"时，我就知道我找到了想要的文档。但这个时候，你会发现文档1和文档4，都会被检索出来。文档四和我们的检索词有很大出入。是因为中文的词语才能表示一个清晰完整的意思。所以我们应该切分的足够细但又不能切分出来的词无意义。词元是中文中最小有意义的字的组合。因此，我们应当按照词元term来切分。
二、 lucene使用索引进行检索
理解了索引过程，检索过程也就很清晰了。检索词，选用合适的Analyzer,使用分析出来的tokens到索引里去查询，由于没一个token都可能检索出一个或多个文档，那多个token检索出来的结果，要根据实际需求没选择做交集还是并集，还是其它策略。一般的，如果你的文档集文档数量少，选择交集，能检索出结果；反之，文档数据多，则做并集，结果更为准确。
三、lucene使用索引进行搜索
检索与搜索的区别，检索只是找到文档，而搜索则要，给找到文档排序，哪个文档出现第一位位置，这个是要根据业务而定。这里，要学会如何把一个文档给弄前排。如何把一个文档排序位置降低下去。
lucene优化？
优化指的是减少查询时长。如何能减少查询时长？我们先看一下哪些方面影响查询的时间。针对各个方面做处理。
1.索引文件的大小
2.段的数量
lucene优化即是合并索引操作。
3.查询方式（缓存使用）
来源：CSDN
作者：邢开春
链接：https://blog.csdn.net/xingkaichun/article/details/104268120