Lucene 索引文件的读取（十三）之doc&&pos&&pay

本文承接文章索引文件的读取（十二）之doc&&pos&&pay，继续介绍剩余的内容。索引文件.doc、.pos、.pay的读取过程相比索引文件.tim&&.tip较为简单，核心部分为如何通过读取这三个索引文件，生成一个PostingsEnum对象，该对象中描述了term在一篇文档中的词频frequency、位置position、在文档中的偏移offset、负载payload以及该文档的文档号docId，其中docId和frequency通过索引文件.doc获得、position通过索引文件.pos获得、offset和payload通过索引文件.pay获得。

PostingsEnum

  PostingsEnum是一个抽象类，其子类的实现有很多，本文中仅仅介绍在Lucene84PostingsReader类中的子类，如下所示：

图1：

  图1中共有5个子类实现，用红框标注，在搜索阶段，通过下面两个条件来选择其中一种实现：

• 条件一：Flag
• 条件二：打分模式ScoreMode

Flag

  Flag描述了在搜索阶段中，我们需要获取term在文档中的哪些信息。这里的信息即上文中提到的frequency、position、offset以及payload。由于不是所有的查询都需要所有的这些信息，选择性（optional）的获取这些信息能降低搜索阶段的内存开销，同时减少读取索引文件时产生的磁盘I/O，下文中会详细介绍。

  Flag的可选值如下所示：

图2：

打分模式ScoreMode

  ScoreMode描述的是搜索模式，正如源码中的注释：

图3：

  本文中我们不展开ScoreMode的详细介绍，我们仅仅看下图3中红框标注的TOP_SCORES，该值影响了上文中PostingsEnum子类的选择，该注释源码大意为：在搜索阶段，不会匹配所有满足查询条件的文档，会跳过那些不具竞争力的文档。其原理就是利用了索引文件.doc中的Impacts字段实现的，这里简单提下，在以后介绍WAND（weak and）算法时候再详细介绍。

选择PostingsEnum的实现类

图4：

  图4的流程图描述了如何根据Flag跟打分模式选择PostingsEnum的实现类。是否有跳表信息的判断依据为：如果包含term的文档数量小于128，即一个block的大小，那么在生成索引文件.doc阶段就不会有跳表信息（不懂？见文章索引文件的生成（三）之跳表SkipList）;在读取阶段由于是先读取索引文件.tim，故通过该索引文件中的DocFreq字段来获取包含term的文档数量，如下图红框标注的字段：

图5：

  图5索引文件.tim的字段介绍以及生成过程可以分别阅读文章索引文件tim&&tip、索引文件的读取（七）之tim&&tip。

看这里：https://www.amazingkoala.com.cn/Lucene/Search/2020/0911/166.html