如何使用Lucene的DistinctValuesCollector？请求示例代码

你的代码存在两处核心问题：

• 错误地将TermGroupSelector同时用作分组选择器和值选择器，不符合DistinctValuesCollector的设计逻辑
• 初始化SearchGroup时未指定有效分组基准值，导致无法正确归集结果

结合你已有的索引方式（同时存储TextField和SortedDocValuesField），以下是正确的Kotlin实现示例：

标准实现代码 #

import org.apache.lucene.search.DistinctValuesCollector
import org.apache.lucene.search.grouping.TermGroupSelector
import org.apache.lucene.search.grouping.TermValueSelector
import org.apache.lucene.search.grouping.SearchGroup
import org.apache.lucene.util.BytesRef

// 1. 定义虚拟分组选择器：全局收集唯一值时，用固定虚拟字段让所有文档归为一组
val groupSelector = TermGroupSelector("__global_group__")
// 2. 定义值选择器：指定要提取唯一值的目标字段
val valueSelector = TermValueSelector(PROJEKTSTATUS.name)
// 3. 初始化搜索分组：使用空BytesRef作为虚拟分组的基准值
val searchGroup = SearchGroup<BytesRef>(BytesRef.EMPTY_BYTES_REF)
val groups = mutableListOf(searchGroup)

// 4. 创建收集器实例并执行搜索
val distinctValuesCollector = DistinctValuesCollector(groupSelector, groups, valueSelector)
searcher.search(query, distinctValuesCollector)

// 5. 提取并转换唯一值
val distinctStatusValues = distinctValuesCollector.groups[0].values.map { it.utf8ToString() }

关键说明 #

• 虚拟分组的必要性：DistinctValuesCollector本质是基于分组去重，若无需按其他字段分组，必须用虚拟分组将所有文档归集到同一组中
• 值选择器的正确类型：必须使用TermValueSelector指定目标字段，而非TermGroupSelector，前者负责提取需要去重的字段值
• 索引匹配要求：你已正确添加SortedDocValuesField，这是TermValueSelector高效读取字段值的必要前提

轻量替代方案 #

如果仅需全局唯一值、无需分组功能，可直接使用SortedSetDocValues实现，代码更简洁：

import org.apache.lucene.index.SortedSetDocValues

val sortedSet = searcher.indexReader.getSortedSetDocValues(PROJEKTSTATUS.name)
val distinctStatusValues = mutableListOf<String>()
if (sortedSet != null) {
    var ordinal = sortedSet.nextOrd()
    while (ordinal != -1) {
        distinctStatusValues.add(sortedSet.lookupOrd(ordinal).utf8ToString())
        ordinal = sortedSet.nextOrd()
    }
}

内容的提问来源于stack exchange，提问作者Andras Hatvani