Lucene 作為一款高性能的全文檢索引擎庫，其核心功能圍繞索引和搜索文本數據，但它也支持多種數據類型以滿足復雜的應用場景。以下是 Lucene 支持的主要數據類型及其用途的詳細說明：

---

1. 文本類型（Text）

• 用途：全文搜索、分詞處理。

• 特點：

  • 分詞（Tokenization）：文本字段會被分詞器（如 StandardAnalyzer）拆分為詞項（Term），便于模糊匹配、短語查詢等。
  • 存儲形式：通常使用 TextField 類型。

• 示例：

  // 定義 Text 類型字段
  FieldType textFieldType = new FieldType();
  textFieldType.setStored(true); // 存儲原始值
  textFieldType.setIndexOptions(IndexOptions.DOCS_AND_FREQS_AND_POSITIONS); // 索引詞項及其位置
  textFieldType.setTokenized(true); // 啟用分詞
  Field textField = new Field(“content”, “Lucene is a search library”, textFieldType);

---

2. 字符串類型（String）

• 用途：精確值匹配（如 ID、狀態碼、標簽）。

• 特點：

  • 不分詞：字段值作為一個整體存儲和索引。
  • 存儲形式：通常使用 StringField 類型。

• 示例：

  // 定義 String 類型字段（精確匹配）
  Field idField = new StringField(“id”, “doc123”, Field.Store.YES);

---

3. 數值類型（Numeric）

• 用途：范圍查詢（如價格、年齡）、排序、聚合。

• 實現方式：

  • 舊版（Lucene 4.x 之前）：使用 IntField、LongField、FloatField 等。
  • 新版（Lucene 5+）：統一使用 PointField（基于 BKD 樹的高效數值索引）。

• 示例（新版）：

  // 定義數值字段（IntPoint）
  Field priceField = new IntPoint(“price”, 100);
  // 存儲原始值（需額外存儲字段）
  document.add(new StoredField(“price”, 100));

---

4. 日期類型（Date）

• 用途：時間范圍查詢、按時間排序。

• 實現方式：

  • 將日期轉換為 Unix 時間戳（長整型），再通過 LongPoint 存儲。

• 示例：

  // 將日期轉換為時間戳
  Date date = new Date();
  long timestamp = date.getTime();
  // 定義日期字段
  document.add(new LongPoint(“timestamp”, timestamp));
  document.add(new StoredField(“timestamp”, timestamp));

---

5. 二進制類型（Binary）

• 用途：存儲原始二進制數據（如圖片、PDF 文件）。

• 特點：

  • 二進制數據不會被索引，僅存儲原始內容。
  • 使用 StoredField 或 BinaryDocValuesField。

• 示例：

  // 讀取文件并存儲為二進制
  byte[] fileData = Files.readAllBytes(Paths.get(“image.png”));
  document.add(new StoredField(“file”, fileData));

---

6. 地理位置（Geospatial）

• 用途：地理位置范圍查詢（如經緯度）。

• 實現方式：

  • 使用 LatLonPoint 存儲經緯度，支持矩形范圍查詢或距離查詢。

• 示例：

  // 定義地理位置字段
  document.add(new LatLonPoint(“location”, 40.7128, -74.0060)); // 紐約坐標
  // 查詢矩形范圍內的點
  Query query = LatLonPoint.newBoxQuery(“location”, 40.6, 40.8, -74.1, -73.9);

---

7. 文檔值（DocValues）

• 用途：排序、聚合、分組（類似數據庫的列式存儲）。

• 特點：

  • 按文檔 ID 快速訪問字段值，適合非文本字段的高效計算。
  • 支持數值、字符串、二進制等類型。

• 示例：

  // 添加數值型 DocValues 字段
  document.add(new NumericDocValuesField(“price”, 100));

---

8. 詞向量（Term Vectors）

• 用途：存儲詞項的位置、偏移量信息，支持高亮（Highlighting）。

• 實現方式：

  • 在 FieldType 中啟用 termVectors 標志。

• 示例：

  FieldType vectorFieldType = new FieldType();
  vectorFieldType.setStored(true);
  vectorFieldType.setIndexOptions(IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS);
  vectorFieldType.setStoreTermVectors(true); // 啟用詞向量
  Field vectorField = new Field(“content”, “text data”, vectorFieldType);

---

9. 多值字段（Multi-Valued Fields）

• 用途：允許一個字段存儲多個值（如標簽、分類）。

• 實現方式：

  • 同一字段多次添加到文檔中。

• 示例：

  document.add(new StringField(“tag”, “java”, Field.Store.YES));
  document.add(new StringField(“tag”, “search”, Field.Store.YES));

---

總結：Lucene 數據類型對比

數據類型	典型用途	是否分詞	是否支持范圍查詢	存儲方式
Text	全文搜索、模糊匹配	是	否	倒排索引 + 詞向量
String	精確匹配（ID、狀態碼）	否	否	倒排索引
Numeric	數值范圍查詢、排序	否	是	Point 索引 + DocValues
Date	時間范圍查詢	否	是	Point 索引 + DocValues
Binary	存儲二進制文件	否	否	原始存儲
Geospatial	地理位置查詢	否	是	Point 索引
DocValues	排序、聚合	否	是	列式存儲
Term Vectors	高亮、詞項位置追蹤	是	否	倒排索引擴展

---

選擇數據類型的注意事項

1. 性能優化：
   • 頻繁范圍查詢的數值字段使用 PointField。
   • 需要高亮時啟用 Term Vectors。
2. 存儲開銷：
   • DocValues 和 StoredField 會增加存儲空間。
3. 版本兼容性：
   • Lucene 5+ 棄用舊版 NumericField，推薦統一使用 PointField。

通過合理選擇數據類型，可以顯著提升 Lucene 的搜索性能和資源利用率。