Lucene中不包含指定term的查询是如何执行的？

基础执行流程 #

这类查询属于Lucene的布尔组合查询范畴，对应BooleanQuery中MUST(term1) + MUST_NOT(term2)的规则组合，整个查询匹配阶段完全不需要访问stored字段，全部基于倒排索引的doc id集合运算完成：

• 首先在field-x对应的倒排索引中，分别拿到term1和term2各自对应的有序doc id列表（倒排表）
• 取term1的doc id列表作为基础集合，此时已经筛选出所有包含term1的文档
• 对两个有序doc id集合做差集运算：遍历term1的doc id列表，剔除所有同时出现在term2倒排表中的doc id，剩下的就是完全符合查询规则的文档id

Lucene的倒排表中doc id默认按升序排列，两个有序集合的差集运算效率极高，时间复杂度仅为O(n)，全程无额外IO开销。

不需要访问stored字段的核心原因 #

stored字段的设计定位是存储文档的原始内容，仅在以下场景才会被读取：

• 查询命中后，需要返回对应字段的原始值给调用方
• 自定义脚本查询、自定义排序等依赖字段原始值的特殊查询逻辑
  你提到的这类查询仅需要判断文档是否包含指定term，该类元信息已经完全存储在倒排索引结构中，没有任何需要读取stored字段的必要。

例外情况 #

如果你的查询请求额外指定了要返回field-x的原始内容，或者需要基于field-x的原始值做后续自定义处理，才会在得到命中doc id列表后，批量读取对应文档的stored字段。

内容的提问来源于stack exchange，提问作者kaykay