Apache Lucene 10.2.0 发布:搜索性能的显著提升
Apache Lucene 是一个高性能、全功能的文本搜索引擎库,它提供了强大的索引和搜索能力,被广泛应用于各种搜索应用中。作为Java生态系统中最成熟的全文检索解决方案之一,Lucene持续推动着搜索技术的发展。最新发布的10.2.0版本带来了一系列重要的性能优化和新功能,特别是在查询处理效率方面有了显著提升。
核心性能优化
Lucene 10.2.0版本最引人注目的改进是其对多种查询类型的搜索性能提升。开发团队通过多项底层优化实现了这一目标:
-
BKD树文档ID存储格式改进:优化了BKD树中文档ID的存储格式,使解码速度更快。BKD树是Lucene用于高效处理多维数据(如地理空间数据)的数据结构,这一改进对点范围查询特别有益。
-
向量化处理增强:在PointRangeQuery和非计分BooleanQuery的处理中增加了更多向量化操作。向量化利用现代CPU的SIMD指令,可以并行处理多个数据,显著提高查询速度。
-
密集块位集编码:将密集的倒排列表块编码为位集(bit set)而非传统的FOR-delta编码。这不仅提高了处理效率,还节省了存储空间。当文档ID连续且密集时,位集操作可以非常高效地完成。
-
密集合取子句的位运算合并:对于密集的合取(AND)查询子句,现在使用位运算进行合并,特别是对那些编码为位集的倒排列表块效果更为明显。
-
ACORN-1算法实现:为预过滤向量搜索实现了ACORN-1算法,这是一种高效的近似最近邻搜索算法,特别适合在预过滤后的文档集合中进行向量搜索。
性能提升实测
根据Lucene的夜间基准测试,与10.1.0版本相比,10.2.0版本在不同查询类型上表现出显著的性能提升:
- 词项查询的析取(OR)查询:速度提升77%至4倍
- 词项查询的合取(AND)查询:速度提升38%至5倍
- 过滤后的词项析取查询:速度提升2.5倍至4倍
- 过滤后的点范围查询:速度提升3.5倍
- 预过滤向量搜索:在计算top-100结果时速度提升3.5倍
这些改进对于那些不需要计算分数且匹配大量文档的搜索特别有益,具体提升程度取决于Collector的实现成本。
运行时行为变更
TieredMergePolicy的默认底层段大小从2MB增加到16MB。这一变更预计会导致:
- 索引速度略有下降
- 每个索引的段数量减少约10个
对于频繁刷新的应用,这种改变虽然轻微降低了索引速度,但减少了段数量,有助于降低那些具有高每段开销的查询(如多词项查询、点查询和向量搜索)的处理成本。
新增功能
-
TopDocs#rrf方法:新增了基于互惠排名融合(Reciprocal Rank Fusion, RRF)合并多个TopDocs实例的功能。RRF是一种有效的搜索结果融合技术,可以结合不同检索模型的优势。
-
SeededKnnVectorQuery:这是对KnnVectorQuery的优化,允许使用种子查询(seed Query)为向量搜索选择更好的入口点,提高搜索效率和质量。
其他改进
-
正则表达式查询增强:RegexpQuery现在支持Unicode大小写不敏感的字符和范围匹配,提高了国际化场景下的搜索能力。
-
Java 24向量API支持:为利用最新Java版本的向量处理能力做好准备。
-
自动机和正则表达式效率提升:优化了底层实现,提高了处理效率。
-
HNSW图合并加速:改进了HNSW(分层可导航小世界)图的合并算法,在Lucene的基准测试中实现了25%的索引速度提升。HNSW是当前最先进的近似最近邻搜索算法之一。
-
合取查询优化:当配置了索引排序时,合取查询现在可以跳过应用那些有长串匹配文档的子句,这在实践中很常见。
-
BKD树合并的内存优化:减少了BKD树合并过程中的堆内存使用,提高了大规模索引处理的稳定性。
总结
Apache Lucene 10.2.0版本通过一系列精心设计的优化,显著提升了搜索性能,特别是在处理复杂查询和大规模数据时表现更为出色。从底层数据结构的改进到算法的优化,再到新功能的引入,这一版本为开发者提供了更高效、更强大的搜索能力。无论是传统的文本搜索还是现代的向量搜索,都能从这个版本中获益。对于正在使用或考虑使用Lucene的项目,升级到10.2.0版本将带来明显的性能提升和功能增强。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0313- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









