我知道每个文档都有一个标志，当我们删除文档时，Lucene会取消它。我需要了解更多关于它的细节，因为我想在很多索引上使用它，性能对我来说很重要。
Lucene如何找到旗帜？删除的磁盘利用率是多少？
答案 0 :(得分：1)
Lucene将已删除文档标记为扩展名为.del的文件，此文件格式为：Format，Header，ByteCount，BitCount，Bits | DGaps（取决于格式）
格式为1：表示清除了DGaps。
ByteCount表示Bits中的字节数。它通常是（SegSize / 8）+1。
BitCount表示当前在位中设置的位数。
每个索引的文档的位包含一位。清除与文档编号对应的位时，该文档被标记为已删除。比特排序从最小到最重要。因此，如果Bits包含两个字节0x00和0x02，则文档9被标记为活动（未删除）。
DGaps比Bits更有效地表示稀疏位向量。它由Bits中的nonOnes字节索引上的DGap和非单词字节本身组成。不存储位（NonOnesBytesCount）中的nonOnes字节数。
例如，如果有8000位且仅清除了10,12,32位，则将使用DGaps：
（VInt）1，（字节）20，（VInt）3，（字节）1
lucene I / O操作取决于打开的IndexWriter或IndexWriter的对象数量，这意味着如果要删除或索引文档数，可以保存在一次I / O点击中，在完成工作的情况下使用writer.commit()或writer.close()。
我想说的是创建和初始化IndexWriter是成本，而lucene建议使用一个IndexWriter对象。
Here你可以找到关于lucene的所有事情。