正如我在评论中提到的，如果你想知道Lucene是如何存储索引数据的，你可以使用SimpleTextCodec。更多的细节和一些示例代码请参见如何查看Lucene索引。基本上，这会生成人类可读的索引文件（与通常的二进制压缩格式相反）。
以下是使用SimpleTextCodec时您可以预期看到的示例。

如何在单个索引中存储多个字段？

为了显示一个基本示例，假设我们有一个Lucene文本字段，定义如下：

Field textField1 = new TextField("bodytext1", content, Field.Store.NO);

假设我们有两个文档，如下所示（使用StandardAnalyzer进行分析：

Document 0: echo charlie delta echo
Document 1: bravo alfa charlie

这将给予我们一个基本的层次索引结构如下：

field bodytext1
  term alfa
    doc 1
      freq 1
      pos 1
  term bravo
    doc 1
      freq 1
      pos 0
  term charlie
    doc 0
      freq 1
      pos 1
    doc 1
      freq 1
      pos 2
  term delta
    doc 0
      freq 1
      pos 2
  term echo
    doc 0
      freq 2
      pos 0
      pos 3

因此，一般结构为：

field [field 1]
  term [token value]
    doc [document ID]
      frequency
      position
field [field 2]
  term [token value]
    doc [document ID]
      frequency
      position

依此类推，索引的字段数与索引的字段数相同。
此结构支持基于字段的基本查询。
您可以将其总结为：

field > term > doc > freq/pos

因此，***“Lucene是否在内部为每个字段创建单独的索引？"***是的，它会。
Lucene还可以在其索引文件中存储其他附加结构，这取决于您如何配置Lucene字段--因此，这不是唯一的数据索引方式。
例如，您可以请求对“术语向量”数据也进行索引，在这种情况下，您将看到一个附加的索引结构：

doc 0
  numfields 1
  field 1
    name content2
    positions true
    offsets   true
    payloads  false
    numterms 3
    term charlie
      freq 1
      position 1
        startoffset 6
        endoffset 13
    term delta
      freq 1
      position 2
        startoffset 15
        endoffset 20
    term echo
      freq 2
      position 0
        startoffset 0
        endoffset 4
      position 3
        startoffset 23
        endoffset 27
doc 1
  ...

此结构从文档开始，而不是从字段开始，因此非常适合处理已选定文档（例如“热门”文档）的文档。通过此结构，可以轻松定位特定文档字段中匹配单词的位置。
这还远远不是一个全面的列表，但是通过使用SimpleTextCodec，以及不同的字段类型、文档和分析器，您可以自己确切地看到Lucene是如何索引它的数据的。