2

考虑以下假设：

  1. 我有 Java 5.0 Web 应用程序，我正在考虑使用 Lucene 3.0 进行全文搜索
  2. 会有超过 1000K 的 Lucene 文档，每个文档有 100 个单词（平均）
  3. 新文档必须在创建后立即可搜索（实时搜索）
  4. Lucene 文档经常更新名为 quality 的整数字段

在哪里可以找到 Lucene 3.0 近实时搜索的代码示例（简单但尽可能完整）？

是否可以获得按可能经常更新的文档字段（质量）之一排序的查询结果（对于已索引的文档）？文档字段的这种更新将不得不触发 Lucene 索引重建？这种重建的表现如何？如何有效地完成它 - 我需要一些完整解决方案的示例/文档。

但是，如果在这种情况下不一定需要重建索引 - 如何有效地对搜索结果进行排序？可能有查询返回大量文档（>50K），因此我认为从 Lucene 获取未排序的文档，然后按质量字段对它们进行排序，最后将排序列表划分为页面进行分页是效率低下的。

Lucene 3.0 是我在 Java 中的最佳选择还是应该考虑其他一些框架/解决方案？也许是 SQL Server 本身提供的全文搜索（我使用的是 PostgreSQL 8.3）？

4

2 回答 2

4

Lucene API 能够满足您的所有要求，但这并不容易。这是一个相当低级的 API，让它做复杂的事情本身就是一个练习。

我强烈推荐Compass，它是一个建立在 Lucene 之上的搜索/索引框架。除了更友好的 API 之外，它还提供了对象/XML/JSON 映射到 Lucene 索引等功能，以及完全的事务行为。它对您的要求应该没有问题，例如事务更新文档的实时排序。

Compass 2.2.0 基于 Lucene 2.4.1 构建，但基于 Lucene 3.0 的版本正在开发中。不过，它已从 Lucene API 中充分抽象出来，因此转换应该是无缝的。

于 2010-01-09T21:50:58.300 回答
1

自 2.9 起，Lucene 中提供了近实时搜索。Lucid Imagination 有一篇关于此功能的文章（在 2.9 版本之前）。基本思想是您现在可以从 IndexWriter 获取 IndexReader。如果您定期刷新此 IndexReader，您可以从 IndexWriter 获得最新的日期更改。

更新：我还没有看到任何代码，但这是一个广泛的想法。

所有的 nw 文档都将写入一个IndexWriter，最好是用 创建的RAMDirectory，不会经常关闭。（要保留此内存索引，您可能需要偶尔将其刷新到磁盘。）

您将在磁盘上有一些索引，将在这些索引上创建单独的 IndexReader。可以在这些 Reader 之上创建 MultiReader 和 Searcher。其中一个 Reader 将来自内存索引。

每隔一段时间（比如几秒钟），您将从 MultiReader 中删除当前的 Reader，从 IndexWriter 中获取新的 Reader，并使用一组新的 Reader 构造 MultiReader/Searcher。

根据 Lucid Imagination 的文章（如上链接），他们已经尝试每秒写入 50 个文档，而没有严重减速。

于 2010-01-10T05:40:47.550 回答