lucene索引合并

lucene 索引合并 关键步骤如下：

            IndexWriter fswriter = null ;                //FS

            IndexWriter ramwriter = null ;                //RAM

            Directory fsDir;

            Directory ramDir;

            ramDir = new RAMDirectory();

           

            //  判断原索引文件是否存在

           

            //打开已经存在的索引文件  最后一项必须为false 若为true则会删除已经存在的索引 这一步很重要

            System.out.println("*********now open exist index :" + indexPath + "**********");

            fswriter = new IndexWriter(indexPath, new StandardAnalyzer(),false);

            //fswriter.setUseCompoundFile(false);        //设置复合索引false

           

            ramwriter = new IndexWriter(ramDir, new StandardAnalyzer(),true);        //构建给予RAM的索引

            System.out.println("CompoundFile()= " + fswriter.getUseCompoundFile());

           

            //对dataDir目录下的所有文件建立RAM索引

            BuildRamIndexDirectory(dataDir);

            ramwriter.optimize();                                //内存索引优化          

           

            System.out.println("...begin combin index.....");

            fswriter.addIndexes(new Directory[]{ramDir});       //索引合并

            ramwriter.close();                        //关闭内存索引       

            fswriter.close();                        //关闭文件索引

上述方法是通过RAM 和FS 合并  也可以合并 FS 和FS.

合并RAM索引的时候 可以根据内存大小 通过控制 RAM 索引的大小来分批量多次进行合并。

while(){

    if (condition for flushing memory to disk has been met){

           fswriter.addIndexes(new Directory[]{ramDir});       //索引合并

           ramwriter.close();                        //关闭内存索引  

           ramwriter = new IndexWriter(ramDir, new StandardAnalyzer(),true);        //构建给予RAM的索引

        }

}

关于建立索引多线程的一些资料，转载如下：

背景：单线程为30万条数据建索引花了10分钟，为了提高效率采用多线程

 

 起初我采用多个线程共享一个indexwriter实例（也意味着往同一个目录写索引），这是

 lucene in action 和lucene wiki的推荐做法，不知道到为什么总是报FileNotFoundException，

 很让人困惑。偶尔会成功一次。这个错误让我想起另外一个问题，就是在建索引的时候搜索也会报这个

 错误，lucene in action 明明也说了建索引读的时候没问题。

 

 言归正传，我第二次尝试使用每个线程单独拥有自己的indexwriter实例，但往同一个目录写索引，果然报了

 写锁的错， 这和书上说的很一致。

 

 最后没办法了，我使用每个线程单独使用自己的实例，往自己的目录写索引，最后一个干完的线程将所有的索引合并

 比如我开了4个线程，那么就有5个目录build_index,build_index1,build_index2,build_index3,build_index4

 线程1往build_index1中写，线程2往build_index2，。。。依次类推，最后一个干完的将build_index1-4目录的索引合并到

 build_index.

 

 

 我开了4个线程尝试发现也要花大概7-8分钟，合并索引的过程非常快20秒左右。

 开了10个线程，整个过程需要6分多钟，合并索引也只花了21秒。

似乎效果并不明显,这因该是因为数据量还不够大引起的,数据量越大,并行的优势会越明显

 

  可见合并索引的过程非常快，这又提供了另外的好处，我们通常将build_index作为搜索目录，就像上面说的那样，建索引的过程 会影响搜索（虽然按 照书上说是不影响的），如果我们采用这种方案，建索引的绝大部分过程其实与build_index目录无关，只有最后 合并的时候需要用到 build_index，但那个过程又非常的快速，所以可以极大的缓解建索引给搜索带来的问题。

 

顺便说：当然你也可以再开一个通知线程专门等待索引线程，当索引线程完毕之后加入通知线程的队列，通知线程发现自己的队列有通知记录就开始合并索引，这样就不用所有的线程完毕之后才开始合并索引。（这种方案待尝试）

 如果条件允许，你可以扩展一下这个方案，将多线程索引升级为多台机器同时建。