1、Lucene刪除文檔的幾種方式
?
- IndexReader.deleteDocument(int docID)是用 IndexReader 按文檔號刪除。??
- IndexReader.deleteDocuments(Term? term)是用 IndexReader 刪除包含此詞(Term)的文檔。??
- IndexWriter.deleteDocuments(Term? term)是用 IndexWriter 刪除包含此詞(Term)的文檔。??
- IndexWriter.deleteDocuments(Term[]? terms)是用 IndexWriter 刪除包含這些詞(Term)的文檔。??
- IndexWriter.deleteDocuments(Query? query)是用 IndexWriter 刪除能滿足此查詢(Query)的文檔。??
- IndexWriter.deleteDocuments(Query[] queries)是用 IndexWriter 刪除能滿足這些查詢(Query)的文檔。
刪除文檔既可以用reader進行刪除,也可以用writer進行刪除,不同的是,reader進行刪除后,此reader馬上能夠生效,而用writer刪除后,會被緩存,只有寫入到索引文件中,當(dāng)reader再次打開的時候,才能夠看到。
2、Lucene文檔更新的幾個問題
?
2.1、使用IndexReader還是IndexWriter進行刪除
既然IndexReader和IndexWriter都能夠進行文檔刪除,那么到底是應(yīng)該用哪個來進行刪除呢?
本文的建議是,用IndexWriter來進行刪除。
因為用IndexReader可能存在以下的問題:
(1) 當(dāng)有一個IndexWriter打開的時候,IndexReader的刪除操作是不能夠進行的,否則會報LockObtainFailedException
(2) 當(dāng)IndexReader被多個線程使用的時候,一個線程用其進行刪除,會使得另一個線程看到的索引有所改變,使得另一個線程的結(jié)果帶有不確定性。
(3) 對于更新操作,在Lucene中是先刪除,再添加的,然而刪除的被立刻看到的,而添加卻不能夠立刻看到,造成了數(shù)據(jù)的不一致性。
(4) 即便以上問題可以通過鎖來解決,然而背后的操作影響到了搜索的速度,是我們不想看到的。
2.2、如何在內(nèi)存中緩存文檔的刪除
在上一節(jié)中,為了能夠做到實時性,我們使用內(nèi)存中的索引,而硬盤上的索引則不經(jīng)常打開,即便打開也在背后線程中打開。
而要刪除的文檔如果在硬盤索引中,如果不重新打開則看不到新的刪除,則需要將刪除的文檔緩存到內(nèi)存中。
那如何將緩存在內(nèi)存中的文檔刪除在不重新打開IndexReader的情況下應(yīng)用于硬盤上的索引呢?
在Lucene中,有一種IndexReader為FilterIndexReader,可以對一個IndexReader進行封裝,我們可以實現(xiàn)一個自己的FilterIndexReader來過濾掉刪除的文檔。
一個例子如下:
? public class MyFilterIndexReader extends FilterIndexReader { ? OpenBitSet dels; ? public MyFilterIndexReader(IndexReader in) { ??? super(in); ??? dels = new OpenBitSet(in.maxDoc()); ? } ? public MyFilterIndexReader(IndexReader in, List<String> idToDelete) throws IOException { ??? super(in); ??? dels = new OpenBitSet(in.maxDoc()); ??? for(String id : idToDelete){ ????? TermDocs td = in.termDocs(new Term("id", id));? //如果能在內(nèi)存中Cache從Lucene的ID到應(yīng)用的ID的映射,Reader的生成將快得多。 ????? if(td.next()){ ??????? dels.set(td.doc()); ????? } ??? } ? } ? @Override ? public int numDocs() { ??? return in.numDocs() - (int) dels.cardinality(); ? } ? @Override ? public TermDocs termDocs(Term term) throws IOException { ??? return new FilterTermDocs(in.termDocs(term)) { ????? @Override ????? public boolean next() throws IOException { ??????? boolean res; ??????? while ((res = super.next())) { ????????? if (!dels.get(doc())) { ??????????? break; ????????? } ??????? } ??????? return res; ????? } ??? }; ? } ? @Override ? public TermDocs termDocs() throws IOException { ??? return new FilterTermDocs(in.termDocs()) { ????? @Override ????? public boolean next() throws IOException { ??????? boolean res; ??????? while ((res = super.next())) { ????????? if (!dels.get(doc())) { ??????????? break; ????????? } ??????? } ??????? return res; ????? } ??? }; ? } } |
?
2.3、文檔更新的順序性問題
Lucene的文檔更新其實是刪除舊的文檔,然后添加新的文檔。如上所述,刪除的文檔是緩存在內(nèi)存中的,并通過FilterIndexReader應(yīng)用于硬盤上的索引,然而新的文檔也是以相同的id加入到索引中去的,這就需要保證緩存的刪除不會將新的文檔也過濾掉,將緩存的刪除合并到索引中的時候不會將新的文檔也刪除掉。
Lucene的兩次更新一定要后一次覆蓋前一次,而不能讓前一次覆蓋后一次。
所以內(nèi)存中已經(jīng)硬盤中的多個索引是要被保持一個順序的,哪個是老的索引,哪個是新的索引,緩存的刪除自然是應(yīng)該應(yīng)用于所有比他老的索引的,而不應(yīng)該應(yīng)用于他自己以及比他新的索引。
3、具有更新功能的Lucene實時索引方案
3.1、初始化
首先假設(shè)我們硬盤上已經(jīng)有一個索引FileSystemIndex,被事先打開的,其中包含文檔1,2,3,4,5,6。
我們在內(nèi)存中有一個索引MemoryIndex,新來的文檔全部索引到內(nèi)存索引中,并且是索引完IndexWriter就commit,IndexReader就重新打開,其中包含文檔7,8。
?
3.2、更新文檔5
這時候來一個新的更新文檔5, 需要首先將文檔5刪除,然后加入新的文檔5。
需要做的事情是:
- 首先在內(nèi)存索引中刪除文檔5,當(dāng)然沒有文檔5,刪除無效。
- 其次將對文檔5的刪除放入內(nèi)存文檔刪除列表,并與硬盤的IndexReader組成FilterIndexReader
- 最后,將新的文檔5加入內(nèi)存索引,這時候,用戶可以看到的就是新的文檔5了。
- 將文檔5放入刪除列表以及將文檔5提交到內(nèi)存索引兩者應(yīng)該是一個原子操作,好在這兩者都是比較塊的。
注:此處對硬盤上的索引,也可以進行對文檔5的刪除,由于IndexReader沒有重新打開,此刪除是刪不掉的,我們之所以沒有這樣做,是想保持此次更新要么全部在內(nèi)存中,要么全部在硬盤中,而非刪除部分已經(jīng)應(yīng)用到硬盤中,而新文檔卻在內(nèi)存中,此時,如果系統(tǒng)crash,則新的文檔5丟失了,而舊的文檔5也已經(jīng)在硬盤上被刪除。我們將硬盤上對文檔5的刪除放到從內(nèi)存索引向硬盤索引的合并過程。
如果再有一次對文檔5的更新,則首先將內(nèi)存索引中的文檔5刪除,添加新的文檔5,然后將文檔5加入刪除列表,發(fā)現(xiàn)已經(jīng)存在,則不必刪除。
3.3、合并索引
然而經(jīng)過一段時間,內(nèi)存中的索引需要合并到硬盤上。
在合并的過程中,需要重新建立一個空的內(nèi)存索引,用于合并階段索引新的文檔,而合并中的索引的IndexReader以及硬盤索引和刪除列表所組成的FilterIndexReader仍然保持打開,對外提供服務(wù),而合并階段從后臺進行。
后臺的合并包括以下幾步:
- 將刪除列表應(yīng)用到硬盤索引中。
- 將內(nèi)存索引合并到硬盤索引中。
- IndexWriter提交。
3.4、合并的過程中更新文檔5
在合并的過程中,如果還有更新那怎么辦呢?
- 首先將合并中索引的文檔5刪除,此刪除不會影響合并,因為合并之前,合并中索引的IndexReader已經(jīng)打開,索引合并中索引的文檔5還是會合并到硬盤中去的。此刪除影響的是此后的查詢在合并中索引是看不到文檔5的。
- 然后將文檔5的刪除放入刪除列表,并同合并中索引的刪除列表,已經(jīng)硬盤索引一起構(gòu)成FilterIndexReader。
- 將新的文檔5添加到內(nèi)存中索引。
- 提交在合并中索引對文檔5的刪除,將文檔5添加到刪除列表,提交在內(nèi)存索引中對文檔5的添加三者應(yīng)該是一個原子操作,好在三者也是很快的。
3.5、重新打開硬盤索引的IndexReader
當(dāng)合并中索引合并到硬盤中的時候,是時候重新打開硬盤上的索引了,新打開的IndexReader是可以看到文檔5的刪除的。
如果這個時候有新的更新,也是添加到內(nèi)存索引和刪除列表的,比如我們更新文檔6.
3.6、替代IndexReader ?
當(dāng)IndexReader被重新打開后,則需要刪除合并中的索引及其刪除列表,將硬盤索引原來的IndexReader關(guān)閉,使用新的IndexReader。
?
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯(lián)系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
