我使用Lucene索引我的文档和搜索。实际上我在Lucene索引了800k文件。这些文件有一些领域：
Id ：是索引文档的数字字段
名称：是要存储和分析的文本字段
说明：喜欢名称
可用性：是一个用于过滤结果的数字字段。该字段可以每天更新。
我的问题是：为可用性创建过滤器的更好方法是什么？
1 - 将此信息添加到索引并生成lucene过滤器。 使用这种方法，每次“可用性”发生变化时，我都必须更新文档（删除并添加，因为lucene 3.0.2没有更新支持）。 reindex的成本是多少？
2 - 不要将此信息添加到索引，并使用数据库选择过滤结果。 这种方法会做很多选择，因为我需要从数据库中选择每个id来检查可用性。
3 - 创建具有ID和可用性的分隔索引。 我不知道它是否是一个很好的解决方案，但我可以创建一个带静态信息的索引，其他信息可以经常更新。我认为最好更新所有文档，因为某些字段已更新。
答案 0 :(得分：2)
我会远离2，如果你只能处理lucene中的搜索，而不是在lucene + db中搜索，那就去做吧。我用这个案例处理我的项目（Lucene搜索+ DB搜索），但我这样做是因为没有办法解决它。
更新的费用在内部：
删除文档
插入新文档（使用新字段）。
我会尝试接近1号（最简单），如果性能足够好，那么只要坚持下去，如果没有，那么你可能会想方设法优化它或尝试3。
答案 1 :(得分：0)
lucene-groupmail提供的答案：
多久一次“经常”？你期望做多少次更新 一天？这些更新必须在搜索中反映多快 结果
800K文件并不是那么多。我先用简单的方法 并监控结果，＃然后＃转到更复杂的解决方案，如果你 看到出现的问题。只需更新（删除/添加）文档 价值变化。
嗯，重新索引的成本只是将其索引成本的成本 是。旧版本的文档被标记为已删除和新版本 被添加。它与索引新文档的成本基本相同。 这会在索引中留下一些空白，即已删除的文档仍然存在 那里，但下一次优化将压缩它们。
您可以从中推断优化是昂贵的部分。我会这样做的， 说 每天一次（甚至每周一次）。
HTH 埃里克