Lucene以及如何衡量索引碎片

Question

我们正在使用 Lucene 2.9.2 （计划升级到3.x）并且已知的事实是搜索查询会随着时间的推移而变慢。通常我们会执行完整的重新索引。我已经阅读了问题https://stackoverflow.com/a/668453/356815及其答案并立即回答：我们不使用optimize（），因为在运行时不再接受性能。

碎片吗

我想知道以下内容：衡量现有索引的碎片的最佳做法是什么？ Luke可以帮助我吗？

听到您对此分析主题的看法会非常有趣。

关于我们的指数的更多信息：

• 我们索引了400'000个文件
• 我们大量使用每个文档的属性
• 对于每个请求，我们都会创建一个新的搜索器对象（因为我们希望更改立即显示在搜索结果中）
• 查询效果介于30毫秒（重复相同搜索）和10秒（复杂）
之间
• 索引包含44个文件（15个.del文件，24个cfs文件），大小为1GB

Answer 1

较旧版本的Lucene没有有效处理大量细分。这就是为什么有些人建议优化（将所有段合并在一起）以提高搜索性能。

最近版本的Lucene不太适用。事实上，优化已被重命名为声音不那么神奇（你现在需要调用forceMerge（1））并且总是合并段甚至被认为是有害的（看看Lucene开发人员Simon Willnauer的这个nice article）。

  

对于每个请求，我们都会创建一个新的搜索器对象

打开读者非常昂贵。您应该使用SearcherManager，这将有助于您在必要时重新打开（增量打开）索引。