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，造成了數據的不一致性。

(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、如何在內存中緩存文檔的刪除

在上一節中，為了能夠做到實時性，我們使用內存中的索引，而硬盤上的索引則不經常打開，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存中。

那如何將緩存在內存中的文檔刪除在不重新打開IndexReader的情況下應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));? //如果能在內存中Cache從Lucene的ID到應用的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存中的，并通過FilterIndexReader應用于硬盤上的索引，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。

所以內存中已經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該應用于所有比他老的索引的，而不應該應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

首先假設我們硬盤上已經有一個索引FileSystemIndex，被事先打開的，其中包含文檔1,2,3,4,5,6。

我們在內存中有一個索引MemoryIndex，新來的文檔全部索引到內存索引中，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：

• 首先在內存索引中刪除文檔5，當然沒有文檔5，刪除無效。
• 其次將對文檔5的刪除放入內存文檔刪除列表，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提交到內存索引兩者應該是一個原子操作，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存中，要么全部在硬盤中，而非刪除部分已經應用到硬盤中，而新文檔卻在內存中，此時，如果系統crash，則新的文檔5丟失了，而舊的文檔5也已經在硬盤上被刪除。我們將硬盤上對文檔5的刪除放到從內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，發現已經存在，則不必刪除。

3.3、合并索引

然而經過一段時間，內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，而合并階段從后臺進行。

后臺的合并包括以下幾步：

• 將刪除列表應用到硬盤索引中。
• 將內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，已經硬盤索引一起構成FilterIndexReader。
• 將新的文檔5添加到內存中索引。
• 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，提交在內存索引中對文檔5的添加三者應該是一個原子操作，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，也是添加到內存索引和刪除列表的，比如我們更新文檔6.

3.6、替代IndexReader ?

當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關閉，使用新的IndexReader。

?

用Lucene構建實時索引的文檔更新問題