首页
/ Apache Lucene 10.2.0 发布:搜索性能的显著提升

Apache Lucene 10.2.0 发布:搜索性能的显著提升

2025-06-24 11:11:56作者:齐添朝

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:

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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

  1. 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。

  2. 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

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

  6. 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。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
868
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
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!
C
272
311
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3