20) 第二章 索引：缓冲

 

Lucene在添加或删除文档时，并不会立即将这些操作写入磁盘，而是在内存中先做缓存。毋庸置疑，这是针对IO性能问题而作出的优良策略。

  在三种情况下，Lucene会对缓冲区进行flush操作：

  1. 缓存区内存空间已满

    通过IndexWriter的setRAMBufferSizeMB()设置缓冲区大小。默认为16.0MB。值得注意的是，内存大小的设定并非绝对精确，因而你不可以依赖此大小做程序设计。另外，不要将它设置超过2048MB！

  2. 文档数到达上限

    通过IndexWriter的setMaxBufferedDocs()设置最大文档数。默认情况下是没有这个限制的。

  3. 删除的Term数到达上限

    通过IndexWriter的setMaxBufferedDeleteTerms()设置最大删除Term数。默认情况下是没有这个限制的。

  如果你不需要这些设置，将他们设成IndexWriter.DISABLE_AUTO_FLUSH，不过你不可以同时将1、2两条设成DISABLE_AUTO_FLUSH.

  顺便一提，我们应该已经发现Lucene的IndexWriter构造器过于复杂，需要的参数让人觉得乱七八糟，参数的设置也是让人一头雾水。Lucene团队已经注意到这个问题了，新版的Lucene会将这些“乱七八糟”的东西都放在一个IndexWriterConfig类中，IndexWriter将仅仅需要一个IndexWriterConfig的实例进行构造。相应的，上面介绍的三种方法也会被移动到IndexWriterConfig中，IndexWriter.DISABLE_AUTO_FLUSH常量也由IndexWriterConfig.DISABLE_AUTO_FLUSH替代。

 

  最后说一下flush操作。该操作会在Directory中创建新的段(segment)和待删除文件(上一节说的那个“黑名单”)。然而，在执行commit()操作前，这些文件对于IndexReader是完全不可见的。flush操作是释放缓冲区的内存空间到index文件中，commit操作则是将所有的flush变动持久化并对IndexReader可见。