沧叔解码

前面我们介绍的两种DocValues都是数值类型的。今天我们要开始介绍字符串类型的DocValues。

本文介绍SortedNumericDocValues，它和NumericDocValues的区别是每个文档只能有一个NumericDocValues字段，但是可以有多个同名的SortedNumeric

本文介绍第一种DocValue类型：NumericDocValues。NumericDocValues是其他一些DocValue的基础，所以我们先行介绍。

DocValues也是用来存储文档的字段的值的，正排索引也是用来存储字段值的，那它们有什么区别？为什么有了正排索引之后还要设计一个DocValues？

背景 Lucene中根据term字典和倒排可以快速查找到相关文档的id，那怎么获取文档中的字段内容呢，这就是我们今天要讲的正排数据。

之前在看索引文件构建的源码时，会经常碰到对于正整数的批量压缩应用，而且有好几个不同的类，当时都是把它们当成黑盒忽略，现在花了点时间，总算是把这些不同应用场景都区分了。

本文收集了我在看Lucene源码中遇到的所有的对单值（int，long，float，double）的压缩算法，可能一种类型针对不同的场景会有多种不同的压缩策略，本文会随着我自己的源码阅读不断持续更新。

词向量存储的数据和倒排索引的数据是完全一样的，但是因为使用的场景不同导致二者的存储结构不同。倒排索引用于检索，词向量的一个最经常的应用是高亮。

全文检索引擎最核心的两块数据就是term字典和term的倒排索引，根据倒排索引我们可以非常快速的获取跟term相关的文档，但是如何根据term来获取term的倒排索引数据呢？这就需要term字典了。