日常开发中，相信大家经常会用like去匹配一些数据，同时我们也知道，like往往会导致全表扫描，当数据量越来越大的时候，我们会纠结于
数据库的龟速查找，此时我们必须另寻蹊跷，这时lucene就可以大显身手了。
首先我们做一个demo，向数据库中插入10w条数据，总共778m。
接下来，我们搜索下新闻内容中包含“流行”的记录。
mmd，检索一下要78s，是谁都要砸了面前的破机子。
我靠，448ms，顿时78s黯然失色，当然这个时间是不包含"创建索引“的时间，从时间复杂度上来说，这种预加载索引算是常量。
作为入门，简单的介绍下lucene的实现过程，首先lucene主要分成两步："索引"和"搜索"。
一：索引：
相信大家对索引还是比较熟悉的，lucene能够将我们内容切分成很多词，然后将词作为key，建立“倒排索引”，然后放到索引库中，在上面
的例子中，我们看到了索引过程中使用到了indexwriter，fsdirectory，standardanalyzer，document和field这些类，下面简要分析下。
1：indexwriter
我们看到该类有一个adddocument方法，所以我们认为该类实现了索引的写入操作。
2：fsdirectory
这个就更简单了，提供了索引库的存放位置，比如我们这里的d:\sample，或许有人问，能不能存放在内存中，在强大的lucene面前当然
可以做到，lucene中的ramdirectory就可以实现，当然我们的内存足够大的话，还是可以用内存承载索引库，进而提高搜索的效率。
3：standardanalyzer
这个算是索引过程中最最关键的一步，也是我们使用lucene非常慎重考虑的东西，之所以我们能搜索秒杀，关键在于我们如何将输入的内容
进行何种形式的切分，当然不同的切分形式诞生了不同的分析器，standardanalyzer就是一个按照单字分词的一种分析器，详细的介绍后续文
章分享。
4：document
在上面的例子可以看到，他是承载field的集合，然后添加到indexwriter中，有点类似表中的行的概念。
5: field
提供了对要分析的字段进行何种处理，以kv形式呈现。
①：field.store.yes， field.index.not_analyzed 表示对索引字段采取：原样保存并且不被standardanalyzer进行切分。
②： field.store.no, field.index.analyzed 不保存但是要被standardanalyzer切分。
二：搜索
这个比较容易，根据我们输入的词lucene能够在索引库中快速定位到我们要找的词，同样我们可以看到indexsearcher，queryparser，hits。
1：indexsearcher
这个我们可以理解成以只读的形式打开由indexwriter创建的索引库，search给queryparser提供了查询的桥梁。
2：queryparser
这玩意提供了一个parse方法能够将我们要查找的词转化为lucene能够理解了查询表达式。
3：hits
这个就是获取匹配结果的一个指针，优点类似c#中的延迟加载，目的都是一样，提高性能。