我刚开始使用 Azure Library for Lucene.NET ( http://code.msdn.microsoft.com/AzureDirectory )。到目前为止，我一直在使用自己的自定义代码在 azure blob 上编写 lucene 索引。因此，我将 blob 复制到 azure web/worker 角色的本地存储，并将文档读/写到索引。我正在使用我的自定义锁定机制来确保我们在对 blob 的读取和写入之间没有冲突。我希望 Azure 库会为我解决这些问题。
但是，在试用测试应用程序时，我调整了代码以使用复合文件选项，并且每次写入索引时都会创建一个新文件。现在，我的问题是，如果我必须维护索引 - 即保留索引文件的快照并在主索引损坏时使用它，那么我该怎么做。我应该保留所有创建的 .cfs 文件的备份还是只处理最新的文件是可以的。每次写入索引后是否有 api 调用来清理 blob 以保留最新文件？
谢谢卡皮尔
在我回答这个问题后，我们最终更改了搜索基础架构并使用了Windows Azure Drive。我们有一个工作角色，它将使用块存储装载一个 VHD，并在其上托管 Lucene.NET 索引。检查代码以确保首先挂载 VHD 并且索引目录存在。如果 worker 角色倒下，VHD 将在 60 秒后自动卸载，第二个 worker 角色可以将其捡起。
此后，我们再次更改了基础架构并使用 Solr 实例迁移到 Amazon 进行搜索，但 VHD 选项在开发过程中运行良好。它本可以在测试和生产中运行良好，但需求意味着我们需要迁移到 EC2。
我在 Azure 上使用 AzureDirectory 进行全文索引，我也得到了一些奇怪的结果......但希望这个答案对你有用......
首先，复合文件选项：从我正在阅读和弄清楚的内容来看，复合文件是一个包含所有索引数据的单个大文件。对此的头韵是有许多较小的文件（使用 IndexWriter 的 SetMaxMergeDocs(int) 函数配置）写入存储。这样做的问题是，一旦您获得大量文件（我愚蠢地将其设置为大约 5000），下载索引需要一段时间（在 Azure 服务器上，我的开发盒大约需要一分钟......好吧它现在已经运行了 20 分钟，但仍然没有完成......）。
至于备份索引，我还没有遇到过这个问题，但鉴于我们目前有大约 500 万条记录，而且还会增长，我也想知道这一点。如果您使用的是单个复合文件，则可能将文件下载到工作角色，压缩它们并使用今天的日期上传它们会起作用......如果您有一组较小的文档，您可能会摆脱重新索引数据如果出现问题......但同样，取决于数字......