lucene solr mysql_Solr，Lucene 优化有哪些相关经验可分享？

Schema Design Considerations(数据模型方面考虑)

indexed fields

indexed fields 的数量将会影响以下的一些性能：

索引时的时候的内存使用量

索引段的合并时间

优化时间

索引的大小

我们可以通过 将 omitNorms=“true” 来减少indexed fields数量增加所带来的影响。

stored fields

Retrieving the stored fields 确实是一种开销。这个开销，受每个文档所存储的字节影响很大。每个文档的所占用的空间越大，文档就显的更稀疏，这样从硬盘中读取数据，就需要更多的i/o操作(通常，我们在存储比较大的域的时候，就会考虑这样的事情，比如存储一篇文章的文档。)

可以考虑将比较大的域放到solr外面来存储。如果你觉得这样做会有些别扭的话，可以考虑使用压缩的域，但是这样会加重cpu在存储和读取域的时候的负担。不过这样却是可以较少i/0的负担。

如果，你并不是总是使用 stored fields 的话，可以使用stored field的延迟加载，这样可以节省很多的性能，尤其是使用compressed field 的时候。

Configuration Considerations(配置方面考虑)

mergeFactor

这个是合并因子，这个参数大概决定了segment(索引段)的数量。

合并因子这个值告诉lucene，在什么时候，要将几个segment合并成为一个segment, 合并因子就像是一个数字系统的基数一样。

比如说，如果你将合并因子设成10，那么每往索引中添加1000个文档的时候，就会创建一个新的索引段。当第10个大小为1000的索引段添加进来的时候，这十个索引段就会被合并成一个大小为10，000的索引段。当十个大小为10，000的索引段生成的时候，它们就会被合并成一个大小为100，000的索引段。如此类推下去。

这个值可以在 solrconfig.xml 中的 *mainIndex*中设置。(不用管indexDefaults中设置)

mergeFactor Tradeoffs

较高的合并因子

会提高索引速度

较低频率的合并，会导致 更多的索引文件，这会降低索引的搜索效率

较低的合并因子

较少数量的索引文件，能加快索引的搜索速度。

较高频率的合并，会降低索引的速度。

Cache autoWarm Count Considerations

当一个新的 searcher 打开的时候，它缓存可以被预热，或者说使用从旧的searcher的缓存的数据来“自动加热”。autowarmCount是这样的一个参数，它表示从旧缓存中拷贝到新缓存中的对象数量。autowarmCount这个参数将会影响“自动预热”的时间。有些时候，我们需要一些折中的考虑，seacher启动的时间和缓存加热的程度。当然啦，缓存加热的程度越好，使用的时间就会越长，但往往，我们并不希望过长的seacher启动时间。这个autowarm 参数可以在solrconfig.xml文件中被设置。

详细的配置可以参考solr的wiki。

Cache hit rate(缓存命中率)

我们可以通过solr的admin界面来查看缓存的状态信息。提高solr缓存的大小往往是提高性能的捷径。当你使用面搜索的时候，你或许可以注意一下filterCache,这个是由solr实现的缓存。

详细的内容可以参考 solrCaching这篇wiki。

Explicit Warming of Sort Fields

如果你有许多域是基于排序的，那么你可以在”newSearcher”和”firstSearcher”event listeners中添加一些明显需要预热的查询，这样FieldCache 就会缓存这部分内容。

Optimization Considerations

优化索引，是我们经常会做的事情，比如，当我们建立好索引，然后这个索引不会再变更的情况，我们就会做一次优化了。

但，如果你的索引经常会改变，那么你就需要好好的考虑下面的因素的。

当越来越多的索引段被加进索引，查询的性能就会降低， lucene对索引段的数量有一个上限的限制，当超过这个限制的时候，索引段可以自动合并成为一个。

在同样没有缓存的情况下，一个没有经过优化的索引的性能会比经过优化的索引的性能少10%……

自动加热的时间将会变长，因为它依赖于搜索。

优化将会对索引的分发产生影响。

在优化期间，文件的大小将会是索引的两倍，不过最终将会回到它原来的大小，或者会更小一点。

优化，会将所有的索引段合并成为一个索引段，所以，优化这个操作其实可以帮助避免“too many files”这个问题，这个错误是由文件系统抛出的。

Updates and Commit Frequency Tradeoffs

如果从机太经常从主机更新的话，从机的性能是会受到影响的。为了避免，由于这个问题而引起的性能下降，我们还必须了解从机是怎样执行更新的，这样我们才能更准确去调节一些相关的参数(commit的频率，spappullers,autowarming/autocount),这样，从机的更新才不会太频繁。

执行commit操作会让solr新生成一个snapshot。如果将postCommit参数设成true的话，optimization也会执行snapShot.

slave上的Snappuller程序一般是在crontab上面执行的，它会去master询问，有没有新版的snapshot。一旦发现新的版本，slave就会把它下载下来，然后snapinstall.

每次当一个新的searcher被open的时候，会有一个缓存预热的过程，预热之后，新的索引才会交付使用。

这里讨论三个有关的参数：

number/frequency of snapshots —-snapshot的频率。

snappullers 是 在crontab中的，它当然可以每秒一次、每天一次、或者其他的时间间隔一次运行。它运行的时候，只会下载slave上没有的，并且最新的版本。

Cache autowarming 可以在solrconfig.xml文件中配置。

如果，你想要的效果是频繁的更新slave上的索引，以便这样看起来比较像“实时索引”。那么，你就需要让snapshot尽可能频繁的运行，然后也让snappuller频繁的运行。这样，我们或许可以每5分钟更新一次，并且还能取得不错的性能，当然啦，cach的命中率是很重要的，恩，缓存的加热时间也将会影响到更新的频繁度。

cache对性能是很重要的。一方面，新的缓存必须拥有足够的缓存量，这样接下来的的查询才能够从缓存中受益。另一方面，缓存的预热将可能占用很长一段时间，尤其是，它其实是只使用一个线程，和一个cpu在工作。snapinstaller太频繁的话，solr slave将会处于一个不太理想的状态，可能它还在预热一个新的缓存，然而一个更新的searcher被opern了。

怎么解决这样的一个问题呢，我们可能会取消第一个seacher，然后去处理一个更新seacher，也即是第二个。然而有可能第二个seacher 还没有被使用上的时候，第三个又过来了。看吧，一个恶性的循环，不是。当然也有可能，我们刚刚预热好的时候就开始新一轮的缓存预热，其实，这样缓存的作用压根就没有能体现出来。出现这种情况的时候，降低snapshot的频率才是硬道理。

Query Response Compression

在有些情况下，我们可以考虑将solr xml response 压缩后才输出。如果response非常大，就会触及NIc i/o限制。

当然压缩这个操作将会增加cpu的负担，其实，solr一个典型的依赖于cpu处理速度的服务，增加这个压缩的操作，将无疑会降低查询性能。但是，压缩后的数据将会是压缩前的数据的6分之一 的大小。然而solr的查询性能也会有15%左右的消耗。

至于怎样配置这个功能，要看你使用的什么服务器而定，可以查阅相关的文档。

Embedded vs HTTP Post

使用embeded 来建立索引，将会比使用xml格式来建立索引快50%。

RAM Usage Considerations(内存方面的考虑)

OutOfMemoryErrors

如果你的solr实例没有被指定足够多的内存的话，java virtual machine也许会抛outof memoryError，这个并不对索引数据产生影响。但是这个时候，任何的 adds/deletes/commits操作都是不能够成功的。

Memory allocated to the Java VM

最简单的解决这个方法就是，当然前提是java virtual machine 还没有使用掉你全部的内存，增加运行solr的java虚拟机的内存。

Factors affecting memory usage(影响内存使用量的因素)

我想，你或许也会考虑怎样去减少solr的内存使用量。

其中的一个因素就是input document的大小。

当我们使用xml执行add操作的时候，就会有两个限制。

document中的field都是会被存进内存的，field有个属性叫maxFieldLength，它或许能帮上忙。

每增加一个域，也是会增加内存的使用的。