如何通过Lucene 7 +中的文档ID获取DocValue？

Question

我正在使用

将DocValue添加到文档中

doc.add(new BinaryDocValuesField("foo",new BytesRef("bar")));

要为ID为docId的特定文档检索该值，请调用

DocValues.getBinary(reader,"foo").get(docId).utf8ToString();

BinaryDocValues中的get函数最多支持Lucene 6.6，但对于Lucene 7.0及以上版本，它似乎不再可用。

所以，如何通过Lucene 7 + 中的文档ID获取DocValue（无需迭代BinaryDocValues / DocIdSetIterator，无需重新获取BinaryDocValues并且每次都使用advanceExact？

Answer 1

理论

Doc值是Lucene的列间跨度值存储。在查询时，为了进行分面和排序，随机访问的Doc值非常快。 以下问题LUCENE-7407将访问模式从随机访问切换到迭代器。因为迭代器API是一种比任意随机访问API更具限制性的访问模式，所以这种变化为Lucene提供了更大的自由度和使用积极压缩和其他优化的能力：

• 在数据稀疏的情况下减少磁盘空间使用
• 更好的压缩率和解码doc值的速度，即使在非稀疏情况下也是如此
• 删除缺失值的特殊列（getDocsWithField）和线程本地编解码器读取器

您可以在以下博客中了解此更改：

• Doc values as iterators
• Sparse versus dense document values with Apache Lucene

实践

实际上，在某些情况下，此更改会导致性能下降，例如SOLR-9599。在主要情况下（分面和排序），迭代API可以正确使用，甚至更多，允许执行一些优化。 事实上，在很多情况下，这个API不是一个好的解决方案。所有这些案例都被丢弃作为不正确的用法（我们在带有sun.misc.Unsafe的java词中遇到了同样的问题）。

事实上，org.apache.lucene.index.DocValuesIterator#advanceExact非常快，在某些实现的情况下具有相似的性能和复杂性。