要使用Lucene搜索多少结果？

Question

在我的应用程序中，我使用Lucene（4.8）作为搜索引擎。

我使用IndexSearcher来确定 10 docIds，然后从我的数据库加载完整的 10 文档。在使用以下方法时，我的问题是： n 应该有多大？

search(Query query, Filter filter, int n, Sort sort)

该应用程序还支持分页，因此理论上 n 可以是 Integer.MAX_VALUE ，并且在搜索之后我确定了我想要的 10 docIds，所以在......

但这是一个好方法吗？

我的意思是，如果有可能指定偏移量，我可以在此步骤中进行分页，并在获得 10 docs后结束搜索过程。

最后：只搜索10而不是Integer.MAX_VALUE文档会是一次大规模的加速吗？

P.S。我不能自己测试最后一个问题，因为我的数据库看起来没什么大不同......但是当它生存时它会更大。

Answer 1

首先，即使您指定Integer.MAX_VALUE，它也会向下舍入到最大文档ID - 在最大绝对限制之上搜索没有任何意义。

关于加速 - 没有人会给出精确的答案，因为每个索引都不同。但是有一些共同点。

• 对于每次搜索，新Object[size]分配给结果（org.apache.lucene.util.PriorityQueue:64 - 这是Lucene版本4.9.0，行号可能因版本而异）
• org.apache.lucene.search.IndexSearcher:467还有另一个分配，其中ScoreDoc数组初始化为（相同的？）数字。
• 显然有一个CPU＆amp;设置每个数组元素的I / O成本

即使初始化每个搜索结果都很便宜，但对于大型索引，它会加起来。这些大块的垃圾收集也要付出代价。想象一下，如果您每秒运行10次搜索，并获得1M搜索结果。这对GC来说很重要！因此，如果您可以采取措施来修剪搜索结果 - 请执行此操作。

然而，上述建议（以及任何其他建议）仅在您的上下文之外才有意义。测量，不要猜！修剪是一种优化，可以留待以后 - 如果你能负担得起的话。

Answer 2

您不希望返回每页10的所有匹配。

您可以使用searchAfter方法（请参阅here），这更适合您的搜索。