談談lucene倒排索引的存儲方式（3-1）

如今開啓lucene倒排索引之詞的索引存儲之旅也就是對BlockTreeTermsWriter類分析，這是lucene中難啃的骨頭之一，爲了方便記憶和理解，還有保持內容的跟進，先準備對着代碼一步步描述，而前面全部關於lucene的內容都是看完代碼再總結的，所以能夠想象這塊內容的複雜度。

當寫入一個詞的時候會先寫入該詞的posting，而後將再寫入返回的posting狀態信息和詞自己。posting的寫入過程在談談lucene倒排索引的存儲方式（一）和（二）中已經說明。

假設minItemsInBlock=3，根據下面的代碼

當輸入abc時:

   prefixStarts=[0,0,0]        pendingSize=1;

當輸入abcd時：

   prefixStarts=[0,0,0,1]        pendingSize=2;

當輸入abcde時：

   prefixStarts=[0,0,0,1,2]        pendingSize=3;

當輸入abe時：

    prefixStarts 從理應的[0, 0, 3, 1, 2]變成[0, 0, 1, 1, 2]        pendingSize=4;

若是隻看輸入abe時prefixStarts=[0, 0, 3, 1, 2]，從輸入abc時prefixStarts的變化狀況，結合prefixTopSize能夠看出prefixStarts下標記錄的是公共前綴的長度，值記錄的是pending列表中元素的id，經過pending.size–id能夠求得公共長度prefixTopSize的長度。例如當輸入abe時，從上一個詞abcde的最後一個e開始掃描，計算abc、abcd、abcde中與abcde有公共前綴的詞的個數爲1，而後從d開始計算abc、abcd、abcde與abcd有公共前綴的詞的個數爲2，以此類推計算abc、abcd、abcde與abc有公共前綴的詞個數爲3正好達到minItemsInBlock的閾值，因此最終結論是每次寫入一個新詞時，當已有詞列表最長公共前綴達到給定閾值時會寫入到一個block中（這裏還沒具體看代碼分析可是從writeBlocks方法能夠看出來），爲何是最長公共前綴呢由於在輸入abe前以a和ab爲前綴的詞一樣有3個，這樣壓縮效率沒有以abc爲前綴的高。下篇分析writeBlocks方法。