Lucene的根基Directory

Lucene在最近的几个月里已经频繁更新了好几个版本了，越是更新的频繁，就越证明一件事，这个东西越来越流行，越来越火，就在散仙写此篇文章时候，Lucene官方已经更新到4.6的版本了，
从源码的角度来分析下Lucene的根基Directory的实现，在此之前，我们先来看下Directory家族的层级分布图。

从上图中，我们可以看出Directory共有11个直接或者间接的子类，不同的子类的作用和功能不一样，那么Directory作为此继承图的顶级父类，在Lucene中确实发挥重要的根基作用，就像Hadoop的根基是HDFS一样，Directory肩负着索引存储的重任，如果没有存储，那么检索就无从谈起了，虽然我们经常称全文检索，搜索引擎什么的，其实它们的背后，Directory才是默默无闻的”雷锋“。

下面，散仙就来详细的剖析下Directory的核心实现。
Directory是由lucene中的一些列索引文件组成的目录，一个典型索引文件结构图的截图如下：


而Directory的作用，就是负责管理这些索引文件，包括数据的读取和写入，以及索引文件的添加，删除和合并。从这样的角度来分析，Directory更像一个系统的管理员，下面，散仙再具体的分析下一些核心方法的作用。

我们都知道Lucene的索引体系，支持读共享，写独占的方式来访问索引目录，也就是说，它允许多个线程实例同时并发的读取，而不允许多个线程同时写入，大家可能会有疑问，为什么不支持多线程写入呢？这其实是因为索引目录有自己的某一时刻的内部状态，比如说文件指针，而多线程写入时，会造成指针混乱，从而引起索引结构损坏或某些数据丢失，所以lucene任何时候都禁止有多个线程并发的写入索引，即使是多线程写，每次也只能通过队列的方式，一次只允许一个线程操作索引，按这样的情况分析，多线程写入与单线程写入，在性能上的提升，并不是明显的，那么lucene又是怎么控制一次只能有一个线程写入呢，打开Directory的源码，我们就会发现，它其实是在内部维护了一个锁的实例，通过加锁方式，来禁止后来线程的写入操作，当然锁的作用不仅仅是防止并发写入，它还可以通过锁名字来判断，这两份索引是否为同一份索引，那么如果我们想使用多线程来提升写入速度，一个折中的办法就是，每个线程写一份目录，最后在对这些目录，进行合并，下面散仙给出了一些源码中锁的实现方法



Java代码 复制代码 收藏代码
1.protected LockFactory lockFactory;//锁实现，只能由子类覆盖
2.//设置锁名
3. public Lock makeLock(String name) {
4. return lockFactory.makeLock(name);
5. }
6. //清除锁
7. public void clearLock(String name) throws IOException {
8. if (lockFactory != null) {
9. lockFactory.clearLock(name);
10. }
11. }


下面我们来分析下Directory源码中另外一个变量isOpen的作用


Java代码 复制代码 收藏代码
1.//注意，使用的是volatile关键字修饰
2. volatile protected boolean isOpen = true;


isOpen是用来判断当前的Directory实例，在内存中的状态，它使用的是volatile 关键字修饰的，被此变量修饰的内容，JVM虚拟机读取的时候会直接在主存中读取该变量的值，而不会在各个线程的本地内存中读，这样一来，当并发读的时候，如果Directory实例关闭了，那么各个读的线程会立即获取最新的状态，如果不做处理的话，将会抛出一个目录实例关闭的异常。isOpen 确保了索引在并发读的时候，各个线程实例获取Directory状态的一致性。


Java代码 复制代码 收藏代码
1.private static final class SlicedIndexInput extends BufferedIndexInput {
2. IndexInput base;
3. long fileOffset;
4. long length;
5.
6. SlicedIndexInput(final String sliceDescription, final IndexInput base, final long fileOffset, final long length) {
7. this(sliceDescription, base, fileOffset, length, BufferedIndexInput.BUFFER_SIZE);
8. }
9.
10. SlicedIndexInput(final String sliceDescription, final IndexInput base, final long fileOffset, final long length, int readBufferSize) {
11. super("SlicedIndexInput(" + sliceDescription + " in " + base + " slice=" + fileOffset + ":" + (fileOffset+length) + ")", readBufferSize);
12. this.base = base.clone();
13. this.fileOffset = fileOffset;
14. this.length = length;
15. }


接下来，散仙来分析Directory的静态常量内部类SlicedIndexInput的作用,Lucene的索引文件是非常松散的，不同类型的数据存储在不同的文件里，我们可以通过文件名，来单独读取指定索引文件的内容，同样道理我们也可以，在写入信息时候，单独写入某部分数据的信息，这样一来，就避免了操作整个目录的可能，按需所用，从一定程度上来说，这样的设计提升了性能，保证了数据的稳定与可靠性，虽然也从某种程度上加大了Directory目录管理的复杂度，但这些都是微不足道的。


SlicedIndexInput这个类的作用保证了Lucene可以单独读取部分索引文件的内容，注意这些内容都不是最原始的数据，而是SlicedIndexInput克隆的一份副本，这样一来在并发读的环境下是非常有利的，每个线程都会从主存中load一份副本出来。在我们的源码中，我们并没有发现它具有深度克隆的功能，但是通过一系列继承的追踪，我们发现，SlicedIndexInput==》BufferedIndexInput==》IndexInput==》DataInput，在最后的这个父类中实现了Cloneable和Closeable接口，从而确保保证了SlicedIndexInput可以正常的工作，以及释放一些占用的IO资源。


除了上面几个比较重要的作用外，Directory还提供了，其他的一些文件管理功能，例如获取所有的索引文件信息，删除一个索引文件，获取一个索引文件的大小，索引的备份，等等在这里散仙，就不给出演示了，此篇文章重点分析的Directory的功能和作用