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 10:49:07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
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
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
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
518
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
1.11 K
0