LUCENE 读书笔记 20070704

 

2007-7-4

声明：这只是我的学习笔记，有很多理解不对的地方，发在这里主要是想请大家帮忙看看我的理解有啥不对的地方，不能作为教程看啊…………

创建索引

前面已经创建了Document和Field，那么如何存储创建好的索引呢？这是通过IndexWriter实现的。

IndexWriter在创建的时候需要指定索引文件所在目录参数、分析器参数（用来在进行索引的时候对文本进行分析，用来进行将索引字段进行切词的操作）、是否重新创建索引操作（如果为true,则清空重建，false则是增加在其基础上增加索引）

同时向一个目录下进行索引写操作时,只能由一个IndexWriter进行操作，如果多个IndexWriter会造成同步问题。 注意这里说的是同一个 IndexWriter ，也就是说多个线程操作揖个 IndexWriter 的写入方法是可以的喽？？

 

接下来讲的例子给出了创建索引的过程。最重要的是不要忘了在结束的时候调用close()函数，只有调用了此函数之后，才会将存放于内存中的数据保存到硬盘上。

看列出的IndexWriter源代码，在addDocument()方法中使用了synchronized防止了多线程同时访问的问题。

 

 

性能的调整：

在将索引数据写入磁盘的时候，可以通过三个参数对性能进行优化：

在进行之前需要说的一个概念就是Segment,他是索引文件中最大的一个单位。它是有多个Document（或者Segment）合并起来的。具体格式后面会讲到

1 mergeFactor ：这个参数设置了写入磁盘时内存中最大的 Document 数量，用来设置多少个 Document 对象可以被预先缓存在内存中，然后将它们一起写入磁盘，默认值为 10 个；

举例说明：假设设置为 10 ，每当 10 个 Document 被添加入索引后，将创建一个段（segment<长度为10> ）；每当凑齐了长度为 10 的 10 个段时，则会创建整合成一新的段（长度为 100 ），依此类推

所以，较高的 mergeFactor 值会占用较多的内存，但会在写入时减少对磁盘的访问。通常会加速创建索引的过程，较高的 mergeFactor 会导致查询速度变慢，因为查询时会从一个较大的索引文件中读取。

2 maxMergeDocs ： 定义了一个段中最大的 Document 数量，以防止单个 Segment 无限扩充下去。

较高的 maxMergeDocs 适合于批量索引，适合于新创建索引。创建索引的速度快，但占用的内存比较多；较小的值适合于增量式增加索引。

3   minMergeDocs ：控制了存储到一个段前，被缓存的 Document 的数量，这将影响到段在磁盘上的大小，此参数也会改善索引的速度，但是过大会导致内存溢出

 

这块有点晕，好像两本书讲的不大一样，也可能是俺英文差，没看懂。好像这三参数只是用来在创建索引的时候用。但是这几个参数设置了之后创建出的索引文件是一样的吗？检索效率一样吗？这里需要重看看以后，估计有问题。