Annotated Lucene （源码剖析）

Apache Lucene是一个高性能（high-performance）的全能的全文检索（full-featured text search engine）的搜索引擎框架库，完全（entirely）使用Java开发。它是一种技术（technology），适合于（suitable for）几乎（nearly）任何一种需要全文检索（full-text search）的应用，特别是跨平台（cross-platform）的应用。

0, Annotated Lucene （源码剖析）
1, Annotated Lucene：目录
2, Annotated Lucene：第一节 Lucene是什么
3, Annotated Lucene：第二节 索引文件概述
4, Annotated Lucene：第三节 索引文件结构(1)
5, Annotated Lucene：第三节 索引文件结构(2)
6, Annotated Lucene：第三节 索引文件结构(3)
7, Annotated Lucene：第三节 索引文件结构(4)
8, Annotated Lucene：第四节 索引是如何创建的
9, Annotated Lucene：第四节 索引创建过程
10, Annotated Lucene：第五节 索引是如何存储的
11, Annotated Lucene：第六节 文档内容是如何分析的
12, Annotated Lucene：第七节 如何给文档评分


备注：未完待续，部分内容和插图译自Lucene网站及代码，个别图片来自网上
Annotated Hadoop 作者：naven 日期：2008-10-20

Hawk搜索引擎平台应用：词典搜索和文档搜索

Hawk搜索引擎平台应用：词典搜索和文档搜索

Hawk 搜索引擎平台可用来定制自己的搜索应用服务，如站内网页搜索和桌面搜索。下面介绍两个很有用的桌面搜索应用。辞典搜索收录有四十部超过800万词汇的常用 英语和汉语词典，如朗文，牛津，汉语大词典等。文档搜索服务索引了主要的Java文档和Linux系统下的文档如man手册等，欢迎使用！



© 2008 Javen-Studio http://javenstudio.org 咖啡小屋

Hawk搜索引擎平台0.6.9测试版(提供下载)

Hawk搜索引擎平台0.6.9测试版(提供下载)

Hawk 搜索引擎平台是面向中小型网站，可以定制的垂直搜索引擎平台。本搜索引擎平台目标是方便用户搭建站内搜索、某个领域的垂直搜索、以及检索个人文档以及自己关注的网站信息的桌面搜索等应用领域。它改造自Lucene，Hadoop和Nutch系统，是纯Java的搜索平台软件，可以运行于Windows及Linux等平台，具备基本的抓取、索引和检索功能，本搜索引擎将免费提供，欢迎大家测试和使用，谢谢！

Hawk 搜索引擎平台特点简介

• 对网页进行深度抓取和分析，自定义抓取规则，实现站内搜索。
• 可以索引各种常用类型文档，实现桌面文档检索。
• 单台PC服务器能索引上千万文档，可以用于中小型检索服务。
• 可以自定义网页展示模板，或XML接口，轻松与各种系统整合。
• 自动分析网页文本，提取新词，如人名，地名等。
• 支持检索词自动推荐以及繁简转换功能。

© 2008 Javen-Studio http://javenstudio.org 咖啡小屋

欢迎光临 Javen-Studio 新网址：http://javenstudio.org

欢迎光临 Javen-Studio 新网址：http://javenstudio.org

Hawk 搜索引擎平台 0.4.50 开发版

Hawk 搜索引擎平台 0.4.50 开发版
Hawk 搜索引擎平台是面向中小型网站，可以定制的垂直搜索引擎平台。本搜索引擎平台目标是方便用户搭建站内搜索、某个领域的垂直搜索、以及检索个人文档以及自己关注的网站信息的桌面搜索等应用领域。它改造自Lucene，Hadoop和Nutch系统，是纯Java的搜索平台软件，可以运行于Windows及Linux等平台，具备基本的抓取、索引和检索功能，本搜索引擎将免费提供，欢迎大家测试和使用，谢谢！ Hawk 搜索引擎平台技术特点简介
改造Hadoop中MapReduce和JobTracker，TaskTracker的结构，以实现可以在Windows/Linux跨平台执行job，并将Map和Reduce分离以实现可以独立执行Map或者Reduce的任务，减少重复的数据处理。Map和Reduce分别代之Processor和Combiner两个独立的Task。以上改造为实现将来更轻量级的分布式计算做准备，而无需像Hadoop一样需建立庞大的cluster集群来进行分布式存储和计算。
改造Nutch结构，改造索引和segment存储格式及内容，简化部分处理流程，并把改造后的Hadoop系统与之整合。为支持单机千万级的索引量重新设计，同时为实现将来软件模块化做准备，如OSGI或更轻量级架构。
全新的管理界面的设计，以与Windows相似的操作界面呈现，并支持国际化语言，目前支持英文和中文界面。
支持自然语言语法分析及语义识别。网页正文智能识别和提取，及新词自动分析和提取功能，持续改进中。
© 2008 Javen-Studio http://javenstudio.org 咖啡小屋

Annotated Hadoop （源码剖析）

Hadoop目前是Apache Lucene下的一个子项目，它最初是从Nutch项目中分离出来的专门负责分布式存储以及分布式运算的项目。简单地说来，Hadoop是一个可以更容易开发和运行处理大规模数据的软件平台。本文先从源码角度剖析MapReduce框架及运行原理。

Annotated Hadoop: 第一节 Hadoop是什么
http://www.cppblog.com/javenstudio/articles/43072.html

Annotated Hadoop: 第二节 MapReduce框架结构
http://www.cppblog.com/javenstudio/articles/43073.html

Annotated Hadoop: 第三节 MapReduce工作原理
http://www.cppblog.com/javenstudio/articles/43075.html


未完待续
Annotated Hadoop 作者：naven 日期：2007-12-29

Hawk-0.4.35搜索引擎平台开发版发布

Hawk 搜索引擎平台是面向中小型网站，可以定制的垂直搜索引擎平台。本搜索引擎平台
目标是方便用户搭建站内搜索、某个领域的垂直搜索、以及检索个人文档以及自己关注的
网站信息的桌面搜索等应用领域。

http://www.cppblog.com/javenstudio/articles/43021.html