java - 文档获取添加/更新/删除时 Lucene 索引文件的更改？

Question

我正在研究最新版本的 Lucene 4.10.2，它以 Java 作为前端，以 Oracle 12c 作为数据库。

我已经为一个拥有 100 万行的用户表建立了索引。 (记住 LinkedIn 用户表)

谁能解释一下当我们添加文档/更新文档/删除文档时文件夹(文件索引所在的位置)到底发生了什么？

附加示例图像:

我试图了解放置所有索引文件的 Lucene 文件夹的文件结构。

这只是一对多关系结构(我们不登录就搜索)，稍后我将转向多对多关系(连接，连接的连接，用户的 1:1 索引文件夹)。

让我知道我的方法是对还是错。

Answer 1

Lucene 索引由多个“段”组成。每个段只写一次，当您调用 commit() 时，或者当 commit() 被自动调用时(通过将 IndexWriter 设置为在 RAM 使用量达到给定阈值)。通常，当您搜索索引时，每个段都会按顺序搜索，然后将结果合并在一起。 Lucene 以这种方式工作的原因是因为修改段将是一个非常缓慢的过程。可以将段合并在一起以提高搜索性能。 [1]

在您的示例中，以 _0 开头的文件是第一段，以 _1 开头的文件是第二段。 .cfe 和 .cfs 文件是“复合文件”，它们包含该段的所有索引文件(有点像 zip 文件)。查看file extensions and formats for the default codec了解更多信息。

所以你的三个操作是这样的:

添加:文档将始终添加到新段中。

删除:删除的文档实际上并没有从索引中删除。取而代之的是，设置了一个标志以指示该文档已被删除。未删除的文档称为“实时文档”。删除的文档仍然会通过文档频率字段影响评分，并且在合并片段之前不会更新。

更新:更新只是原子添加和删除。

[1] http://blog.trifork.com/2011/11/21/simon-says-optimize-is-bad-for-you/