使用Lucene检索过程中如果用到RangeQuery,PrefixQuery,WildcardQuery,FuzzyQuery等Query的时候,可能会产生 TooManyClauses异常。为什么呢?
以 RangeQuery为例,如果日期范围为 19990101到 20091231,在索引文件中有 19990102,19990103等等这些日期词组,那么RangeQuery 会被扩展成“19990102 OR 19990103”,成了2 个子句。可以想象,如果索引文件里面在这个时间段内的日期有很多,那么就会产生很多子句。 PrefixQuery 等也是同样的道理,如查询词为“法*”,如果索引文件中有“法律”、“法场”、“法医”、“法典”等等,这个 Query就会被扩展成“法律 OR 法场 OR 法医 OR 法典”,或许会更多更多。 而为了节省内存,Lucene 默认将子句数目限制为 1024,如果超出限制,就会抛出TooManyClauses异常。 怎么解决这个问题呢,Lucene提供了三种方法:
BooleanQuery simpleQuery = new BooleanQuery();
Term dateLower = new Term("publishDate", startYear + "0101");
Term dateUpper = new Term("publishDate", endYear + "1231");
RangeQuery dateQuery = new RangeQuery(dateLower, dateUpper, true);
simpleQuery.add(dateQuery, Occur.MUST);
之后的代码:
BooleanQuery simpleQuery = new BooleanQuery();
RangeFilter dateFilter = new RangeFilter("publishDate", startYear + "0101", endYear + "1231",
true, true);
FilteredQuery filteredQuery = new FilteredQuery(simpleQuery, dateFilter); 518
以 RangeQuery为例,如果日期范围为 19990101到 20091231,在索引文件中有 19990102,19990103等等这些日期词组,那么RangeQuery 会被扩展成“19990102 OR 19990103”,成了2 个子句。可以想象,如果索引文件里面在这个时间段内的日期有很多,那么就会产生很多子句。 PrefixQuery 等也是同样的道理,如查询词为“法*”,如果索引文件中有“法律”、“法场”、“法医”、“法典”等等,这个 Query就会被扩展成“法律 OR 法场 OR 法医 OR 法典”,或许会更多更多。 而为了节省内存,Lucene 默认将子句数目限制为 1024,如果超出限制,就会抛出TooManyClauses异常。 怎么解决这个问题呢,Lucene提供了三种方法:
(1) 使用 filter 替代 Query,当然这是以牺牲查询速度为代价的,不过可以通过缓存的方式缓解这个问题。仍然以前面 RangeQuery 为例,可以使用RangeFilter来替代 RangeQuery,如下:
之前的代码:BooleanQuery simpleQuery = new BooleanQuery();
Term dateLower = new Term("publishDate", startYear + "0101");
Term dateUpper = new Term("publishDate", endYear + "1231");
RangeQuery dateQuery = new RangeQuery(dateLower, dateUpper, true);
simpleQuery.add(dateQuery, Occur.MUST);
之后的代码:
BooleanQuery simpleQuery = new BooleanQuery();
RangeFilter dateFilter = new RangeFilter("publishDate", startYear + "0101", endYear + "1231",
true, true);
FilteredQuery filteredQuery = new FilteredQuery(simpleQuery, dateFilter); 518
(2) 通过 BooleanQuery.setMaxClauseCount(10240)来限制数目。这样会加大内存的消耗。使用 BooleanQuery.setMaxClauseCount(Integer.MAX_VALUE),可以完全去掉这个限制。
(3) 对于范围查询,可以尽可能的降低精度,比如如果查询不需要精确到月份与日期,只需
要精确到年,据说可以使用 DateTools这个类可以很简单解决时间转化问题。