【直播】Lucene学习进阶--总结1[来自网络]

 1、正确关闭indexWriter实例？关闭过程中发生问题如何处理？

try {
   writer.close();
 } finally {
   if (IndexWriter.isLocked(directory)) {
     IndexWriter.unlock(directory);
   }
 }

2、IndexWriter有关的3个参数

1.MAXBufferedDocs

 MaxBufferedDocs这个参数默认是disabled的，因为Lucene中还用另外一个参数（RAMBufferSizeMB）控制这个bufffer的索引文档个数。
其实MaxBufferedDocs和RAMBufferSizeMB这两个参数是可以一起使用的，一起使用时只要有一个触发条件满足就写入硬盘，生成一个新的索引segment文件。


2.RAMBufferSize

 控制用于buffer索引文档的内存上限，如果buffer的索引文档个数到达该上限就写入硬盘。当然，一般来说也只越大索引速度越快。当我们对文档大小不太确定时，这个参数就相当有用，不至于outofmemory error.


3.MegerFactor
SetMergeFactor是控制segment合并频率的，其决定了一个索引块中包括多少个文档，当硬盘上的索引块达到多少时，将它们合并成一个较大的索引块。当MergeFactor值较大时，生成索引的速度较快。MergeFactor的默认值是10，建议在建立索引前将其设置的大一些。

 3、注意：

1.不要随意设置MaxbufferedDocs。
MaxBufferedDocs和RAMBufferSize共同控制内存中文档的容量。
如果对MaxBufferedDocs进行设置要比较小心了，因为它本身是disabled，如果设置不合理将导致大规模的重建索引非常慢。
例如：
 
dir = SimpleFSDirectory.open(new File("d:/20101015index"));
            writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_30), true, MaxFieldLength.UNLIMITED);
            writer.setUseCompoundFile(true);
            writer.setMaxBufferedDocs(100);
            writer.setMergeFactor(10);
            //add document
            //注意点2:filed实例在多次添加的时候可以重用，节约构造field实例的时间。
            Field f1 = new Field("f1", "", Store.YES, Index.ANALYZED) ;
            Field f2 = new Field("f2", "", Store.YES, Index.ANALYZED) ;
            for (int i = 0; i < 1000000; i++) {
                Document doc = new Document();
                f1.setValue("f1 hello doc" + i);
                doc.add(f1);
                f2.setValue("f2 world doc" + i);
                doc.add(f2);
                writer.addDocument(doc);
            }
            writer.optimize();
 
上述代码中对MaxBufferedDocs进行设置：
 
writer.setMaxBufferedDocs(100);
那么现在对内存中文档的容量有两个控制量：
1.文档数量达到100就写回磁盘；
2.文档总容量达到16m就写回磁盘；
因为上面一个文档的大小很小，100个文档的容量肯定不会达到16m，所以第一个控制量起到主要的作用。
在没有设置MaxBufferedDocs之前就只有RAMBufferSize（16m）控制内存中文档的数量，
较之这两种情况，明显是没有设置MaxbufferedDocs更好的利用了内存，因此建立索引更快速。
实验证明：
不设置MaxbufferedDocs，耗时20s左右；
设置MaxbufferedDocs为100，耗时280000s左右。 = =！ 差别太大了，所以一定要小心！！！
 
2.不要太迷信MegerFactor比较大会加快重建索引的速度。
通过实验，在上述代码中奖MegerFactor设置成10比100要快2s。
 
“一家之言”——
对于一般的系统（数据量在千万级，重建索引暂不考虑并发压力），在重建索引时不要太纠结这些参数的设置，
只要不犯太严重的问题（例如像上面一样将MaxbufferedDocs设置得过小，还不如不设置），效率出入都不会太大。
 
3.是否有必要将数据先放到RAM中，再和磁盘的索引进行合并？
我认为在重建索引的环节没有必要。因为在使用FSDirectory建立索引的时候不就可以控制内存的使用么！？（MaxbufferedDocs和RAMBufferSize）
而RAMDiretory应该重点使用在实时索引上面。
（= =！ 我指的重建索引是什么意思？"对大量的数据一次性建立成磁盘索引！"）
这里也做了一个测试，是先将文档写入内存，然后合并到磁盘。
主要代码如下所示：

 dir = new RAMDirectory();

            dirFS = SimpleFSDirectory.open(new File("d:/20101015index"));
            writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_30), MaxFieldLength.UNLIMITED);
            writerFS = new IndexWriter(dirFS, new StandardAnalyzer(Version.LUCENE_30), true, MaxFieldLength.UNLIMITED);
            //
            Field f1 = new Field("f1", "", Store.YES, Index.ANALYZED);
            Field f2 = new Field("f2", "", Store.YES, Index.ANALYZED);
            for (int i = 0; i < 1000000; i++) {
                Document doc = new Document();
                f1.setValue("f1 hello doc" + i);
                doc.add(f1);
                f2.setValue("f2 world doc" + i);
                doc.add(f2);
                writer.addDocument(doc);
            }
//            writer.commit();
            writerFS.addIndexes(writer.getReader());

 刚开始学lucene的时候，总热衷提高效率，什么参数的设置啊、RAM的使用啊等等，殊不知重建索引是一个初始化阶段（服务于后期的检索），

就算有优化的必要，但绝不是当前必要解决的“主要矛盾”。

应该将重点放到：

1.实时索引；

2.分布式构建检索框架（如果系统规模有必要的）；

3.怎么在程序质量上利用好内存，不至于运行时到处时 内存溢出 。