IndexWriter详解
问题1:索引创建过程完成什么事?
回顾架构图
Lucene索引创建API 图示
Lucene索引创建代码示例
public static void main(String[] args) throws IOException {
// 创建使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置对象
IndexWriterConfig config = new IndexWriterConfig( analyzer );
// 设置索引库的打开模式:新建、追加、新建或追加
config.setOpenMode(OpenMode.CREATE_OR_APPEND);
// 索引存放目录
// 存放到文件系统中
Directory directory = FSDirectory.open((new File("f:/test/indextest")).toPath());
// 存放到内存中
// Directory directory = new RAMDirectory();
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);
// 创建document
Document doc = new Document();
// 往document中添加 商品id字段
doc.add(new StoredField("prodId", "p0001"));
// 往document中添加 商品名称字段
String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";
doc.add(new TextField("name", name, Store.YES));
}
IndexWriter涉及类图示
IndexWriterConfig 写索引配置:
Ø 使用的分词器。
Ø 如何打开索引(是新建,还是追加)。
Ø 还可配置缓冲区大小、或缓存多少个文档,再刷新到存储中。
Ø 还可配置合并、删除等的策略。
Directory 指定索引数据存放的位置:
Ø 内存
Ø 文件系统
Ø 数据库
保 存 到 文 件 系 统 用 法 :
Directory directory = FSDirectory.open(Path path); // path 指 定 目
IndexWriter 用来创 创 建 、 维 护 一 个 索 引 。 它 的API 使 用 流 程
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);
// 创建document
// 将文档添加到索引
writer.addDocument(doc);
// 删除文档
//writer.deleteDocuments(terms);
//修改文档
//writer.updateDocument(term, doc);
// 刷新
writer.flush();
// 提交
writer.commit()
注意:IndexWriter是线程安全的。如果你的业务代码中有其他的同步控制,请不要使用IndexWriter作为锁对象,以免死锁。
IndexWriter还提供:add方法、delete方法、updatre方法、其他方法。
问题2: 索引库中会存储反向索引数据,会存储document吗?
问题3: document会以什么结构存储?
网页会存储哪些信息?
Document详解
Document 文档
要索引的数据记录、文档在lucene中的表示,是索引、搜索的基本单元。一个Document由多个字段Field构成。就像数据库的记录-字段。IndexWriter按加入的顺序为Document指定一个递增的id(从0开始),称为文档id。反向索引中存储的是这个id,文档存储中正向索引也是这个id。业务数据的主键id只是文档的一个字段。请查看Document的源码,找出操作字段的API
Document API
Field
字段:由字段名name、字段值value(fieldsData)、字段类型 type 三部分构成。字段值可以是文本(String、Reader 或 预分析的 TokenStream)、二
进制值(byte[])或数值。请查看Field的源码,找出这三个属性查看它提供了哪些构造方法供我们使用。
IndexableField Field API
Document—Field 数据举例
Ø 新 闻:新闻id,新闻标题、新闻内容、作者、所属分类、发表时间
Ø 网 页 搜 索 的 网 页:标题、内容、链接地址
Ø 商 品: id、名称、图片链接、类别、价格、库存、商家、品牌、月销量、详情…
问题1:我们收集数据创建document对象来为其创建索引,数据的所有属性是否都需要加入到document中?如数据库表中的数据记录的所有字段是否都
需要放到document中?哪些字段应加入到document中?
问题2:是不是所有加入的字段都需要进行索引?是不是所有加入的字段都要保存到索引库中?什么样的字段该被索引?什么样的字段该被存储?
请就网页、商品进行思考?
网页:标题、内容、链接地址
商品: id、名称、图片链接、类别、价格、库存、商家、品牌、月销量、详情…
问题3:各种要被索引的字段该以什么样的方式进行索引,全都是分词进行索引,还是有不同区别?
网页:标题、内容、链接地址
商品: id、名称、图片链接、类别、价格、库存、商家、品牌、月销量、详情…
从问题2、3得出:不同的字段会有不同的索引设置信息。这些信息通过字段的类型属性type:IndexableFieldType对象来定义
IndexableFieldType
字段类型:描述该如何索引存储该字
字段可选择性地保存在索引中,这样在搜索结果中,这些保存的字段值就可获得。一个Document应该包含一个或多个存储字段来唯一标识一个文档。为什么?注意:未存储的字段,从索引中取得的document中是没有这些字段的。
请查看IndexableFieldType 的源码,找到存储、分词、索引信息的定义
请查看IndexableFieldType的实现类有哪些?
Document 类关系
IndexableFieldType API 说明
IndexOptions 索引选项说明:
Ø NONE
Not indexed 不索引
Ø DOCS
反向索引中只存储了包含该词的 文档id,没有词频、位置
Ø DOCS_AND_FREQS
反向索引中会存储 文档id、词频
Ø DOCS_AND_FREQS_AND_POSITIONS
反向索引中存储 文档id、词频、位置
Ø DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS
反向索引中存储 文档id、词频、位置、偏移量
public class IndexOptionsDemo {
public static void main(String[] args) {
// 创建使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置对象
IndexWriterConfig config = new IndexWriterConfig(analyzer);
try ( // 索引存放到文件系统中
Directory directory = FSDirectory
.open((new File("f:/test/indextest")).toPath());
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);) {
// 准备document
Document doc = new Document();
// 字段content
String name = "content";
String value = "张三说的确实在理";
FieldType type = new FieldType();
// 设置是否存储该字段
type.setStored(true); // 请试试不存储的结果
// 设置是否对该字段分词
type.setTokenized(true); // 请试试不分词的结果
// 设置该字段的索引选项
type.setIndexOptions(
IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS); // 请尝试不同的选项的效果
type.freeze(); // 使不可更改
Field field = new Field(name, value, type);
// 添加字段
doc.add(field);
// 加入到索引中
writer.addDocument(doc);
} catch (IOException e) {
e.printStackTrace();
}
}
}
Luke 索引查看工具安装
下载地址 : https://github.com/DmitryKey/luke/releases
当前最新版 7.2.0 可用于lucene7.3.0版
luke Document 查看说明:
问题4:如果要在搜索结果中做关键字高亮,需要什么信息?如果要实现短语查询、临近查询(跨度查询),需要什么信息?如 要搜索包含“张三” “李四”,且两词之间跨度不超过5个字符 。
问题5:位置、偏移数据在反向索引中占的存储量占比大不大?
问题6:如果某个字段不需要进行短语查询、临近查询,那么在反向索引中就不需要保存位置、偏移数据。这样是不是可以降低反向索引的数据量,提升效率?但是如果该字段要做高亮显示支持,该怎么办?。
为了提升反向索引的效率,这样的字段的位置、偏移数据是不应该保存到反向索引中的。这也你前面看到 IndexOptions为什么有那些选项的原因。在lucene4.0以前,反向索引中总会存储这些数据,4.0后改进为可选择的。那对于只做高亮显示(或得到搜索结果后需要使用这些信息)的字段怎么办?
一个字段分词器分词后,每个词项会得到一系列属性信息,如 出现频率、位置、偏移量等,这些信息构成一个词项向量termVectors
请查看IndexableFieldType、FieldType中有没有设置保存termVectors的方法。
IndexableFieldType API 说明
storeTermVectors
对于不需要在搜索反向索引时用到,但在搜索结果处理时需要的位置、偏移量、附加数据(payLoad) 的字段,我们可以单独为该字段存储(文档id词项向量)的正向索引。
Ø boolean storeTermVectors() 是否存储词项向量
Ø boolean storeTermVectorPositions() 是否在词项向量中存储位置
Ø boolean storeTermVectorOffsets() 是否在词项向量中存储偏移量
Ø boolean storeTermVectorPayloads() 是否在词项向量中存储附加信息
FieldType实现类中有对应的set方法
ublic class IndexTermVectorsDemo {
public static void main(String[] args) {
// 创建使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置对象
IndexWriterConfig config = new IndexWriterConfig(analyzer);
try ( // 索引存放到文件系统中
Directory directory = FSDirectory
.open((new File("f:/test/indextest")).toPath());
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);) {
// 准备document
Document doc = new Document();
// 字段content
String name = "content";
String value = "张三说的确实在理";
FieldType type = new FieldType();
// 设置是否存储该字段
type.setStored(true); // 请试试不存储的结果
// 设置是否对该字段分词
type.setTokenized(true); // 请试试不分词的结果
// 设置该字段的索引选项
type.setIndexOptions(IndexOptions.DOCS); // 反向索引中只保存词项
// 设置为该字段保存词项向量
type.setStoreTermVectors(true);
type.setStoreTermVectorPositions(true);
type.setStoreTermVectorOffsets(true);
type.setStoreTermVectorPayloads(true);
type.freeze(); // 使不可更改
Field field = new Field(name, value, type);
// 添加字段
doc.add(field);
// 加入到索引中
writer.addDocument(doc);
} catch (IOException e) {
e.printStackTrace();
}
}
}
概念说明:Token trem 词条 。 分词得到的词
什么是附加信息Payloads
练习1
请为商品记录建立索引,字段信息如下:
Ø 商品id:字符串,不索引、但存储
String prodId = "p0001";
Ø 商品名称:字符串,分词索引(存储词频、位置、偏移量)、存储
String name = “ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑";
Ø 图片链接:仅存储
String imgUrl = "http://www.dongnao.com/aaa";
Ø 商品简介:字符串,分词索引(不需要支持短语、临近查询)、存储,结果中
支持高亮显示
String simpleIntro = "集成显卡 英特尔 酷睿 i5-8250U 14英寸";
Ø 品牌:字符串,不分词索引,存储
String brand = "ThinkPad";
问题7 :我们往往需要对搜索的结果支持按不同的字段进行排序,如商品搜索结果按价格排序、按销量排序等。以及对搜索结果进行按某字段分组统计,如
按品牌统计。假如我们按关键字“娃娃”搜索后得到相关的文档id列表
{10,21,18,48,29,…..}
要对它们进行按价格排序有的人想看销量排序
有时需要按品牌统计数量…
反向索引对排序有用吗?需得到每个id对应的价格或销售是多少、品牌是什么,再进行排序、统计。这个价格、销量、品牌数据在哪里?如果搜到的文档列表量很大,排序会有什么问题没?
空间换时间
对这种需要排序、分组、聚合的字段,为其建立独立的文档->字段值的正向索引、列式存储。这样我们要加载搜中文档的这个字段的数据就快很多,耗内存少。
docValuesType
IndexableFieldType 中的 docValuesType方法 就是让你来为需要排序、分组、聚合的字段指定如何为该字段创建文档->字段值的正向索引的。
IndexableFieldType API 说明
DocValuesType 选项说明
Ø NONE 不开启docvalue
Ø NUMERIC 单值、数值字段,用这个
Ø BINARY 单值、字节数组字段用
Ø SORTED 单值、字符字段用, 会预先对值字节进行排序、去重存储
Ø SORTED_NUMERIC 单值、数值数组字段用,会预先对数值数组进行排序
Ø SORTED_SET 多值字段用,会预先对值字节进行排序、去重存储
具体使用选择 :
Ø 字符串+单值 会选择SORTED作为docvalue存储
Ø 字符串+多值 会选择SORTED_SET作为docvalue存储
Ø 数值或日期或枚举字段+单值 会选择NUMERIC 作为docvalue存储
Ø 数值或日期或枚举字段+多值 会选择SORTED_SET作为docvalue存储
强 调 : 需 要 排 序 、 分 组 、 聚 合 、 分 类 查 询 ( 面 查 询 ) 的 字 段 才 创 建docValues
练习2
Ø 1、修改品牌字段:支持统计查询
Ø 2、增加商品类别字段:字符串(类别名),索引不分词,不存储、支持分类统计,多值(一个商品可能属于多个类别)。
type = {“电脑”,”笔记本电脑”}
Ø 3、增加价格字段:整数,单位分,不索引、存储,需要支持排序多 值 如 何 加 入 到document ?
同字段多次加入
public class ProductIndexExercise1 {
public static void main(String[] args) {
// 创建使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置对象
IndexWriterConfig config = new IndexWriterConfig(analyzer);
try (
// 索引存放目录
// 存放到文件系统中
Directory directory = FSDirectory
.open((new File("f:/test/indextest")).toPath());
// 存放到内存中
// Directory directory = new RAMDirectory();
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);) {
// 准备document
Document doc = new Document();
// 商品id:字符串,不索引、但存储
String prodId = "p0001";
FieldType onlyStoredType = new FieldType();
onlyStoredType.setTokenized(false);
onlyStoredType.setIndexOptions(IndexOptions.NONE);
onlyStoredType.setStored(true);
onlyStoredType.freeze();
doc.add(new Field("prodId", prodId, onlyStoredType));
// 商品名称:字符串,分词索引(存储词频、位置、偏移量)、存储
String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";
FieldType indexedAllStoredType = new FieldType();
indexedAllStoredType.setStored(true);
indexedAllStoredType.setTokenized(true);
indexedAllStoredType.setIndexOptions(
IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS);
indexedAllStoredType.freeze();
doc.add(new Field("name", name, indexedAllStoredType));
// 图片链接:仅存储
String imgUrl = "http://www.dongnao.com/aaa";
doc.add(new Field("imgUrl", imgUrl, onlyStoredType));
// 商品简介:文本,分词索引(不需要支持短语、临近查询)、存储,结果中支持高亮显示
String simpleIntro = "集成显卡 英特尔 酷睿 i5-8250U 14英寸";
FieldType indexedTermVectorsStoredType = new FieldType();
indexedTermVectorsStoredType.setStored(true);
indexedTermVectorsStoredType.setTokenized(true);
indexedTermVectorsStoredType
.setIndexOptions(IndexOptions.DOCS_AND_FREQS);
indexedTermVectorsStoredType.setStoreTermVectors(true);
indexedTermVectorsStoredType.setStoreTermVectorPositions(true);
indexedTermVectorsStoredType.setStoreTermVectorOffsets(true);
indexedTermVectorsStoredType.freeze();
doc.add(new Field("simpleIntro", simpleIntro,
indexedTermVectorsStoredType));
// 价格,整数,单位分,不索引、存储
int price = 2999900;
// Field 类有整数类型值的构造方法吗?
// 用字节数组来存储试试,还是转为字符串?
byte[] result = new byte[Integer.BYTES];
NumericUtils.intToSortableBytes(price, result, 0);
doc.add(new Field("price", result, onlyStoredType));
// 执行后,请到luke中看下结果是什么。
// 用字节数组、字符串就背离了本义数值。
// 请查看Field类中提供了对应的构造方法或其他方法没?
// 请查看 IndexableField 类中对一个字段提供哪几种数据类型值的读取?
// 请再查看Field类中对应的实现。
// 结合Field的构造方法和numericValue()方法还有setIntValue()方法,你是不是很疑惑、迷糊了。
// 搞不清楚为什么这样,那就先来看看IndexWriter在索引、存储字段时是如何使用这些方法的吧。
writer.addDocument(doc);
} catch (IOException e) {
e.printStackTrace();
}
}
}
如何加入数值字段
请查看Field类中提供了对应的构造方法或其他方法没?Field的构造方法和set方法:
构造方法没有对应的,set方法倒是有,请看下setIntValue方法的源码,看它是如何将字段值设为一个整数值的,你有疑惑吗? 再看下其他的set方法。
请再查看IndexableField 的API :
回顾前面 Field 的定义
字段:由字段名name、字段值value、字段类型 type三部分构成。字段值可以是文本(String 、Reader或预分析的TokenStream)、 二进制值(byte[])或数值
加入数值字段方式
Ø 扩展Field ,提供构造方法传入数值类型值,赋给字段值字段;
Ø 改写binaryValue() 方法,返回数值的字节引用。
public class MyIntField extends Field {
public MyIntField(String fieldName, int value, FieldType type) {
super(fieldName, type);
this.fieldsData = Integer.valueOf(value);
}
@Override
public BytesRef binaryValue() {
byte[] bs = new byte[Integer.BYTES];
NumericUtils.intToSortableBytes((Integer) this.fieldsData, bs, 0);
return new BytesRef(bs);
}
}
问题8: IndexableFieldType中最后定义的的pointDimensionCount(),pointNumBytes() 是做何用的?
Lucene6以后引入了点的概念来表示数值字段,废除了原来的IntField等。在Point字段类中提供了精确、范围查询的便捷方法。
注意:只是引入点的概念,并未改变数值字段的本质。既然是点,就有空间概念:维度。一维:一个值,二维:两个值的;……
pointDimensionCount() 返回点的维数
pointNumBytes() 返回点中数值类型的字节数。
Lucene预定义的字段子类,你可灵活选用
Ø TextField: Reader or String indexed for full-text search
Ø StringField: String indexed verbatim as a single token
Ø IntPoint: int indexed for exact/range queries.
Ø LongPoint: long indexed for exact/range queries.
Ø FloatPoint: float indexed for exact/range queries.
Ø DoublePoint: double indexed for exact/range queries.
Ø SortedDocValuesField: byte[] indexed column-wise for sorting/faceting
Ø SortedSetDocValuesField: SortedSet indexed column-wise for sorting/faceting
Ø NumericDocValuesField: long indexed column-wise for sorting/faceting
Ø SortedNumericDocValuesField: SortedSet indexed column-wise for sorting/faceting
Ø StoredField: Stored-only value for retrieving in summary results
public class IndexWriteDemo {
public static void main(String[] args) {
// 创建使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置对象
IndexWriterConfig config = new IndexWriterConfig(analyzer);
try (
// 索引存放目录
// 存放到文件系统中
Directory directory = FSDirectory
.open((new File("f:/test/indextest")).toPath());
// 存放到内存中
// Directory directory = new RAMDirectory();
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);) {
// 准备document
Document doc = new Document();
// 商品id:字符串,不索引、但存储
String prodId = "p0001";
FieldType onlyStoredType = new FieldType();
onlyStoredType.setTokenized(false);
onlyStoredType.setIndexOptions(IndexOptions.NONE);
onlyStoredType.setStored(true);
onlyStoredType.freeze();
doc.add(new Field("prodId", prodId, onlyStoredType));
// 等同下一行
// doc.add(new StoredField("prodId", prodId));
// 商品名称:字符串,分词索引(存储词频、位置、偏移量)、存储
String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";
// String name = "张三说的确实在理";
// String name = "厉害了我的国,我终于等到你了";
FieldType indexedAllStoredType = new FieldType();
indexedAllStoredType.setStored(true);
indexedAllStoredType.setTokenized(true);
indexedAllStoredType.setIndexOptions(
IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS);
indexedAllStoredType.freeze();
doc.add(new Field("name", name, indexedAllStoredType));
// 图片链接:仅存储
String imgUrl = "http://www.dongnao.com/aaa";
doc.add(new Field("imgUrl", imgUrl, onlyStoredType));
// 商品简介:文本,分词索引(不需要支持短语、临近查询)、存储,结果中支持高亮显示
String simpleIntro = "集成显卡 英特尔 酷睿 i5-8250U 14英寸";
FieldType indexedTermVectorsStoredType = new FieldType();
indexedTermVectorsStoredType.setStored(true);
indexedTermVectorsStoredType.setTokenized(true);
indexedTermVectorsStoredType
.setIndexOptions(IndexOptions.DOCS_AND_FREQS);
indexedTermVectorsStoredType.setStoreTermVectors(true);
indexedTermVectorsStoredType.setStoreTermVectorPositions(true);
indexedTermVectorsStoredType.setStoreTermVectorOffsets(true);
indexedTermVectorsStoredType.freeze();
doc.add(new Field("simpleIntro", simpleIntro,
indexedTermVectorsStoredType));
// 类别:字符串,索引不分词,不存储、支持分类统计,多值
FieldType indexedDocValuesType = new FieldType();
indexedDocValuesType.setTokenized(false);
indexedDocValuesType.setIndexOptions(IndexOptions.DOCS);
indexedDocValuesType.setDocValuesType(DocValuesType.SORTED_SET);
indexedDocValuesType.freeze();
doc.add(new Field("type", "电脑", indexedDocValuesType) {
@Override
public BytesRef binaryValue() {
return new BytesRef((String) this.fieldsData);
}
});
doc.add(new Field("type", "笔记本电脑", indexedDocValuesType) {
@Override
public BytesRef binaryValue() {
return new BytesRef((String) this.fieldsData);
}
});
// 等同下四行
// doc.add(new StringField("type", "电脑", Store.NO));
// doc.add(new SortedSetDocValuesField("type", new BytesRef("电脑")));
// doc.add(new StringField("type", "笔记本电脑", Store.NO));
// doc.add(new SortedSetDocValuesField("type", new
// BytesRef("笔记本电脑")));
// 价格,整数,单位分,不索引、存储、要支持排序
int price = 999900;
FieldType numericDocValuesType = new FieldType();
numericDocValuesType.setTokenized(false);
numericDocValuesType.setIndexOptions(IndexOptions.DOCS);
numericDocValuesType.setStored(true);
numericDocValuesType.setDocValuesType(DocValuesType.NUMERIC);
numericDocValuesType.setDimensions(1, Integer.BYTES);
numericDocValuesType.freeze();
doc.add(new MyIntField("price", price, numericDocValuesType));
// 与下两行等同
// doc.add(new StoredField("price", price));
// doc.add(new NumericDocValuesField("price", price));
// 商家 索引(不分词),存储、按面(分类)查询
String fieldName = "shop";
String value = "联想官方旗舰店";
doc.add(new StringField(fieldName, value, Store.YES));
doc.add(new SortedDocValuesField(fieldName, new BytesRef(value)));
// 上架时间:数值,排序需要
long upShelfTime = System.currentTimeMillis();
doc.add(new NumericDocValuesField("upShelfTime", upShelfTime));
writer.addDocument(doc);
} catch (IOException e) {
e.printStackTrace();
}
}
}
问题9: Field中提供那么多的setXXValue()方法,是什么意图?
问题10: 加入索引时,每个数据记录需要都创建一个Document吗?
索引更新
IndexWriter 索引更新 API
说明:
Ø Term 词项 指定字段的词项
Ø 删除流程:根据Term、Query找到相关的文档id、同时删除索引信息,再根据文档id删除对应的文档存储。
Ø 更新流程:先删除、再加入新的doc
Ø 注意:只可根据索引的字段进行更新。
public class IndexUpdateDemo {
public static void main(String[] args) {
// 创建使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引配置对象
IndexWriterConfig config = new IndexWriterConfig(analyzer);
try (
// 索引存放目录
// 存放到文件系统中
Directory directory = FSDirectory
.open((new File("f:/test/indextest")).toPath());
// 存放到内存中
// Directory directory = new RAMDirectory();
// 创建索引写对象
IndexWriter writer = new IndexWriter(directory, config);) {
// Term term = new Term("prodId", "p0001");
Term term = new Term("type", "笔记本电脑");
// 准备document
Document doc = new Document();
// 商品id:字符串,不索引、但存储
String prodId = "p0003";
FieldType onlyStoredType = new FieldType();
onlyStoredType.setTokenized(false);
onlyStoredType.setIndexOptions(IndexOptions.NONE);
onlyStoredType.setStored(true);
onlyStoredType.freeze();
doc.add(new Field("prodId", prodId, onlyStoredType));
writer.updateDocument(term, doc);
// Term term = new Term("name", "笔记本电脑");
// writer.deleteDocuments(term);
writer.flush();
writer.commit();
System.out.println("执行更新完毕。");
} catch (IOException e) {
e.printStackTrace();
}
}
}