Lucene学习(11)

对数据源进行分析，是为建立索引服务的；为指定的文件建立索引，是为检索服务的。

对数据源分析，使用Lucene的分析器(Analyzer)，根据分析器所得到的词条，构造一个索引器IndexWriter。索引器IndexWriter的功能主要就是创建索引，是建立索引工作中最核心的。

当构造完一个索引器IndexWriter之后，就可以向其中添加Document了。

在前面Lucene-2.2.0 源代码阅读学习(1)中，根据Lucene提供的一个Demo，详细分析研究一下索引器org.apache.lucene.index.IndexWriter类，看看它是如果定义的，掌握它建立索引的机制。

通过IndexWriter类的实现源代码可知，它包含的内容相当丰富了。乍一看无从入手，不知道从何处去分析。可以通过Lucene提供的Demo的，根据它的实现过程l来一点点地解析。

在Demo中，实例化一个索引器：

IndexWriter writer = new IndexWriter(INDEX_DIR, new StandardAnalyzer(), true); 

它使用的IndexWriter的一个构造函数，定义如下所示：

public IndexWriter(String path, Analyzer a, boolean create) 
       throws CorruptIndexException, LockObtainFailedException, IOException { 
    init(FSDirectory.getDirectory(path), a, create, true, null, true); 
} 

这个构造函数具有三个参数：

path   ：根据一个字符串描述的路径，为建立的索引文件指定存放目录。

a        ：一个分析器。

create：它是一个boolean型变量，如果为true，表示要重写指定的存放索引目录下的索引文件；如果为false，表示在指定存放索引目录下已经存在的索引文件的基础上，向其中继续追加新的索引文件。

简单做个测试吧：

package org.shirdrn.lucene; 
 
import java.io.IOException; 
 
import org.apache.lucene.analysis.Analyzer; 
import org.apache.lucene.analysis.standard.StandardAnalyzer; 
import org.apache.lucene.index.CorruptIndexException; 
import org.apache.lucene.index.IndexWriter; 
import org.apache.lucene.store.LockObtainFailedException; 
 
public class MyIndexWriterTest { 
public static void main(String[] args) throws Exception { 
   String path = "E:\\index"; 
   Analyzer a = new StandardAnalyzer(); 
   IndexWriter myWriter = new IndexWriter(path,a,true); 
} 
} 

这里没有指定要进行建立索引的文件，因此，应该是“建立空索引”。这里，指定了create的值为true，是新建索引文件。

这里，只是实例化了一个IndexWriter索引器，并没有建立索引。建立索引的过程是在一个IndexWriter索引器实例存在的前提下，通过为其添加Document，这样才能真正就爱你里索引。

运行程序，可以在指定的索引文件的存放目录E:\\index下看到生成的三个与索引有关的文件：

segments.gen     (大小为1K)
segments_1        (大小为1K)
write.lock             (大小为0K)

如果再次运行程序，会发现文件segments_1变成了segments_2，再次运行还会变成segments_3……，这就说明参数create为true表示重写现存的索引文件。

如果第一次执行上述程序，指定create为false，由于指定的索引目录下面缺少被追加索引的索引文件，将会抛出异常：

Exception in thread "main" java.io.FileNotFoundException: no segments* file found in org.apache.lucene.store.FSDirectory@E:\index: files: 
at org.apache.lucene.index.SegmentInfos$FindSegmentsFile.run(SegmentInfos.java:516) 
at org.apache.lucene.index.SegmentInfos.read(SegmentInfos.java:249) 
at org.apache.lucene.index.IndexWriter.init(IndexWriter.java:616) 
at org.apache.lucene.index.IndexWriter.<init>(IndexWriter.java:360) 
at org.shirdrn.lucene.MyIndexWriterTest.main(MyIndexWriterTest.java:22) 

从异常来看，追加索引在现存的索引文件的基础上追加。

如果指定的索引目录下已经存在一些索引文件，并且指定create的值为false，则执行向已存在的索引文件中追加索引，就可以看到索引目录下面的文件不会发生变化，程序执行会因为write.lock文件而抛出异常：

Exception in thread "main" org.apache.lucene.store.LockObtainFailedException: Lock obtain timed out: SimpleFSLock@E:\index\write.lock 
at org.apache.lucene.store.Lock.obtain(Lock.java:70) 
at org.apache.lucene.index.IndexWriter.init(IndexWriter.java:598) 
at org.apache.lucene.index.IndexWriter.<init>(IndexWriter.java:360) 
at org.shirdrn.lucene.MyIndexWriterTest.main(MyIndexWriterTest.java:22) 

继续看上面IndexWriter的构造函数的函数体内容：

init(FSDirectory.getDirectory(path), a, create, true, null, true); 

IndexWriter的构造函数初始化，调用了一个init方法，init方法在IndexWriter类中有具体实现，它还有一个重载的init方法。先看这里用到的这个，它的实现代码如下所示：

/** 
* 该方法中的参数列表中。各个参数的含义如下： 
* d ：指定的存放建立索引文件的索引目录 
* a ：一个传递进来分析器 
* create ：是否要重新写入索引文件，如果为true，则重写索引文件；如果为false，则追加写入索引文件 
* closeDir ：一个boolean型变量，表示是否关闭索引目录Directory d，与IndexWriter的一个成员变量相关 
* deletionPolicy ：指定删除索引文件使用的策略 
* autoCommit ：建立索引文件后，自动提交。 
*/ 
 private void init(Directory d, Analyzer a, final boolean create, boolean closeDir, IndexDeletionPolicy deletionPolicy, boolean autoCommit) 
    throws CorruptIndexException, LockObtainFailedException, IOException { 
    this.closeDir = closeDir; 
    directory = d; 
    analyzer = a; 
    this.infoStream = defaultInfoStream;    // infoStream是一个PrintStream输出流对象，在这里指定它为defaultInfoStream=null。PrintStream类继承自FilterOutputStream，主要是对建立索引文件过程中的输出流进行管理
 
    if (create) { 
      // 如果是残留索引文件，则清除写锁文件write.lock
      directory.clearLock(IndexWriter.WRITE_LOCK_NAME); 
    } 
 
    Lock writeLock = directory.makeLock(IndexWriter.WRITE_LOCK_NAME); 
    if (!writeLock.obtain(writeLockTimeout))    // 获取写锁文件
      throw new LockObtainFailedException("Index locked for write: " + writeLock); 
    this.writeLock = writeLock;                   // 重新保存写锁文件
 
    try { 
      if (create) {    // 如果create为true，表示重写索引文件。重写索引文件之前，要先读取已经存在的索引文件，并且要清除掉历史写入的segment信息
        try { 
          segmentInfos.read(directory); 
          segmentInfos.clear(); 
        } catch (IOException e) { 
        } 
        segmentInfos.write(directory);    // 向指定的索引存放目录中写入segment信息
      } else {    // 如果create为false，只是读取，并不予以清除，因为是追加写入索引文件
        segmentInfos.read(directory); 
      } 
 
      this.autoCommit = autoCommit;    // 执行提交写入索引的标志
      if (!autoCommit) {    // 如果如果提交写入索引失败，要回滚到原来的状态
        rollbackSegmentInfos = (SegmentInfos) segmentInfos.clone();    // 克隆
      } 
 
      // 默认的删除策略实现类为KeepOnlyLastCommitDeletionPolicy，它只是保证将最近提交删除的索引文件，提交删除动作
 
     // IndexFileDeleter
		// deleter是IndexWriter类的一个私有的成员变量，它在org.apache.lucene.index包里面，主要对删除索引文件进行实现和管理
      deleter = new IndexFileDeleter(directory, 
                                     deletionPolicy == null ? new KeepOnlyLastCommitDeletionPolicy() : deletionPolicy,segmentInfos, infoStream); 
 
    } catch (IOException e) { 
      this.writeLock.release();    // 索引写入完成之后，要释放写锁
      this.writeLock = null; 
      throw e; 
    } 
} 

通过IndexWriter索引器的构造函数，以及它初始化时调用的一个init方法，可以了解一个IndexWriter索引器的构造最重要的是在init方法中的初始化工作。它主要实现了根据指定的建立索引的方式(重写、追加写入)，通过create标志位来判断，从而指定一种在操作索引文件的过程中删除索引文件的策略。

必须深入地理解IndexWriter索引器初始化的过程，以及在构造一个IndexWriter索引器过程中涉及到的一些其他的类，应该深入研究这些相关的类的定义。这样才能有助于深化IndexWriter索引器构造的原理机制。

可见，IndexWriter索引器的构造相当复杂，但是却非常重要。