沧叔解码

本文介绍Lucene中分词器这个组件，目的不是为了介绍具体的分词算法实现，而是介绍Lucene中分词模块的框架设计，从而在我们的业务场景中，知道如何基于Lucene分词框架自定义满足业务需求的分词器。

本文主要介绍Lucene中文档删除和DocValues更新的处理逻辑。重点掌握删除范围的设计实现，我们有类似场景也可以借鉴。

在上一篇文章中我们介绍了IndexCommit粒度的索引删除策略，本文要介绍的是文件粒度的索引文件删除策略。因为在索引的生命周期过程中，会产生一些无用的文件，这些文件需要删除减少资源占用。

本文介绍Lucene中索引删除策略，它是以IndexCommit为粒度进行管理的，本文是为了后面介绍文件粒度管理做铺垫。

segments_N文件 简介 在调用IndexWriter.commit方法后，索引目录会生成segments_N一个文件，用来描述当前索引目录中所有有效的段的信息，也就是si文件。

后缀为fnm文件是存储索引的全部字段的元信息，包含字段名称，字段类型，字段属性，索引数据构建的类型等信息。

lucene索引的最小单位是段，每当生成一个新的段时（flush，commit，merge，addIndexes等），会生成一个段信息的描述文件，后缀是si。

本文介绍完全二叉BKD树的构建，先从一个简单的面试题入手，整体上了解构建流程，想知道BKD树逻辑上如何构建看到这里即可。如果还要深入了解，也有源码解析。最后有索引文件的总结。

SortedSetDocValues和BinaryDocValues的关系就像SortedNumericDocValues和NumericDocValues的关系一样。