查询

查询主线（old man，取前 10）从打开 IndexReader 开始，到拿回文档原文为止。核心代码在 src/query/（0.27.0 下 22174 行，含单元测试），读者和快照在 src/reader/（663 行）和 src/core/（1562 行，Searcher、Executor），收集器在 src/collector/（7755 行），查询语法在工作区的 query-grammar crate（2957 行），高亮在 src/snippet/（946 行），聚合在 src/aggregation/（36320 行，是主 crate 里最大的模块）。

这一部分回答几个问题：一次查询看到的是哪一组段，提交以后多久能看到新文档；一个查询对象怎么变成每个段上的游标，分数从哪些统计算出来；a b、+a +b、a -b 各走哪种合并算法，哪些形状能用上 Block-Max WAND 剪枝；用户输入的字符串怎么变成查询对象；结果怎么收集、排序、高亮、聚合。

1. IndexReader 与 Searcher：Searcher 是一组 SegmentReader 的不可变快照，reload 用 ArcSwap 换代；默认的 OnCommitWithDelay 在磁盘目录上靠 500 ms 轮询，实测提交后 24 到 481 ms 才可见；Executor 默认单线程，而且要在建 reader 之前设置才生效。
2. Query、Weight、Scorer：Query 描述查什么，Weight 绑定一次查询的统计，Scorer 是一个段上的 DocSet 游标；TermQuery 走一遍；段里有删除时，TermQuery 的计数从读词典里的 doc_freq 退回逐篇数，实测从 0.2 µs 变成 31 µs。
3. BM25：公式和 Bm25Weight 的实现，k1、b 是常量；N 和 avgdl 按整个 Searcher 的 max_doc 算，不看文档有没有这个字段；用 explain 逐项手算一篇维基文档的 5.736597。
4. 布尔查询：BooleanWeight 按子句形状挑 Intersection、BufferedUnionScorer、Exclude、RequiredOptionalScorer；Block-Max WAND 在 0.27.0 扩到交集和单个词；实测剪枝的收益和失灵的形状，以及块上界在多段索引里会偏低。
5. 短语与其他查询：短语查询怎么在位置上求交、slop 怎么算，以及前缀短语、模糊、正则、范围、exists、TermSetQuery 这些查询各自走倒排表还是快速字段。
6. 查询解析器：query-grammar 把字符串解析成 UserInputAst，QueryParser 结合 schema 变成 LogicalAst 和查询对象，默认 OR、字段、boost、模糊和容错解析都在这一步决定。
7. 收集器：Collector 和 SegmentCollector 两层，TopDocs 的堆和阈值怎么喂给剪枝，Count、MultiCollector、FacetCollector 和按快速字段排序。
8. 高亮：SnippetGenerator 怎么从原文里挑出得分最高的片段、标出命中的词、输出 HTML。
9. 聚合：Elasticsearch 风格的聚合请求怎么变成每个段上的中间结果、再跨段合并成最终结果。

flowchart TB
  reader["IndexReader"] --> searcher["Searcher 快照"]
  qp["QueryParser"] --> query["Query"]
  query --> weight["Weight 全局统计"]
  searcher --> weight
  weight --> scorer["每段 Scorer"]
  scorer --> coll["Collector"]
  coll --> merge["merge_fruits"]
  merge --> doc["Searcher doc"]
  merge --> snip["Snippet"]
  coll --> agg["聚合"]

整条查询主线的时序和一次 explain 的逐项拆解在一次查询。查询读的都是段文件：词典在词典，倒排表和块上界在倒排表，字段长度在fieldnorm 与删除位图，取原文在文档存储。