【lucene】AttributeSource概述

发布于:2025-07-30 ⋅ 阅读:(12) ⋅ 点赞:(0)

`AttributeSource` 是 Lucene 分析链(Tokenizer / TokenFilter)的 “属性仓库”:

 

它把 所有需要跨 token 传递的信息(词、偏移、位置、payload …)抽象成 Attribute 接口,并在 一条 TokenStream 链里共享同一份实例,从而避免每轮 token 创建/拷贝对象,保证 零拷贝 + 高性能。

 

---

 

1. 核心职责

 

功能 说明 

仓库注册 通过 `addAttribute(Class<T>)` 声明“我要用哪种属性” 

实例共享 整个链共用同一份属性对象,TokenFilter 只读/改属性,不重新 new 

反射生成 内部用 `Class.newInstance()` 缓存具体实现,避免反射开销 

 

---

 

2. 典型 Attribute 一览

 

Attribute 接口 实现类 作用 

`CharTermAttribute` `CharTermAttributeImpl` 当前 token 字符串 

`OffsetAttribute` `OffsetAttributeImpl` 起始/结束偏移 

`PositionIncrementAttribute` `PositionIncrementAttributeImpl` 位置增量 

`PayloadAttribute` `PayloadAttributeImpl` payload 字节 

`TypeAttribute` `TypeAttributeImpl` token 类型 

 

---

 

3. 使用示例(自定义 TokenFilter)

 

```java

public final class MyFilter extends TokenFilter {

    private final CharTermAttribute termAtt = addAttribute(CharTermAttribute.class);

    private final OffsetAttribute offAtt = addAttribute(OffsetAttribute.class);

 

    @Override

    public boolean incrementToken() throws IOException {

        if (!input.incrementToken()) return false;

        termAtt.setEmpty().append("prefix_").append(termAtt);

        offAtt.setOffset(offAtt.startOffset(), offAtt.endOffset() + 3);

        return true;

    }

}

```

 

整个链共享 `termAtt` / `offAtt`,无需拷贝。

 

---

 

4. 一句话总结

 

> `AttributeSource` 是 Lucene 的“零拷贝属性仓库”,让 TokenStream 链里的所有组件共享同一份 Attribute 实例,实现高效、低 GC 的流式分词。


网站公告

今日签到

点亮在社区的每一天
去签到