Question

我的项目围绕Lucene 6.6.0展开。实际上，它处理用Java编写的桌面搜索引擎，其中搜索部分与索引部分位于单独的应用程序中。我不时需要在索引中添加新字段，以满足客户的需求，而不必重新编制索引（即解析文件+编制索引）。

因此，当应用程序启动时，我使用IndexWriter，打开与其关联的IndexReader：

IndexReader reader = DirectoryReader.open(writer, true, false);

然后针对索引中已经存在的每个文档：

StoredField fieldVersion = new StoredField(
            FIELDNAME_VERSION,
            fixedValue // The value is the same for all the documents but may change (for all documents) when upgrading the version.
            );

for (int i = 0; i < idMax; i++) {

    Document currentDoc = reader.document(i);
    // Checks if the field exists in the index
    if (
    // Field does not exist yet
    currentDoc.get(FIELDNAME_VERSION) == null || 
    // Field value is different from what it should be
    !currentDoc.get(FIELDNAME_VERSION).contentEquals(fixedValue))
      {
        // THe field does not exist so we add it to the doc and beforehand removes the field from the currentDoc (also tried without removing first with the same result)
        currentDoc.removeField(FIELDNAME_VERSION);
        currentDoc.add(fieldVersion);
       // Updates the document in the index
       writer.updateDocuments(
       new Term(FIELDNAME_PATH, currentDoc.get(FIELDNAME_PATH),
       currentDoc);

       // also tried with 
       writer.deleteDocuments(new Term(FIELDNAME_PATH, 
       currentDoc.get(FIELDNAME_PATH)));
       writer.addDocument(currentDoc);
      }
}
// When all documents have been checked, write the index
writer.commit();

当我第一次运行该字段时，该字段将按预期方式添加到所有没有此字段的文档中。问题是，当fixedValue更改时，将新文档添加到索引中，而我希望currentDoc更新其fieldVersion，而不是为除fieldVersion之外的所有字段创建另一个与原始值相同的文档。

IndexWriter处于附加模式（也可以尝试附加或创建）。而且，如果我首先为单个文件建立索引，那么我在索引中得到1个文档，然后在索引更新后得到2个文档，然后是4个，然后8个，然后是16个，……总是引用同一个文件（只有fieldVersion具有不同的内容。

This other SO question对我没有帮助。

为什么当我要求Lucene更新现有文档时，Lucene为什么要添加新文档，以及如何解决该问题（即仅将fieldVersion的不同内容替换为同一文档中的现有文档？

编辑1：

在调用此方法后，似乎缺少字段。该字段通过以下方式初始化：

 new TextField(FIELDNAME_UNSTORED,
            "",
            Field.Store.NO);

因此它不被存储。

与FIELDNAME_PATH关联的字段初始化为

StringField pathField = new StringField(FIELDNAME_PATH,
            "",
            Field.Store.YES);

编辑2：

我实际上没有得到的是，如果我仅执行deleteDocuments(new Term(...))，则所有文档都将从索引中删除（如预期的那样），但是如果我在删除add(currentDoc)之后添加，则会得到两次尽可能多的文件。好像该文档是在其原始版本中添加一次，而在其更新版本中是第二次添加。

解决方案：

如@femtoRgon所指出的那样，在索引过程中没有标记路径字段。但是后来它被自动标记。因此解决方案是在索引过程中重新创建路径字段（和其他字段），使用临时Document存储字段，然后使用临时updateDocument() Document。

非常感谢任何帮助！

Answer 1

lucene中的更新总是添加一个新文档，它只会首先删除与给定术语匹配的所有文档，并且无论是否找到要删除的文档，它都会很高兴地添加新文档。因此，无论出于何种原因，您都无法在该词上找到匹配项。您尚未显示如何对FIELDNAME_PATH进行索引，但是对于此处的模式，应该对其进行索引而不是标记化（即，使用StringField）。

您可以通过运行TermQuery来测试要传递的更新术语是否有效。如果您从TermQuery中获得0个结果，那么IndexWriter.UpdateDocuments也将找不到要删除的文档。

对于丢失未存储的字段，是的，您在此处使用的模式不适用于未存储的字段。未存储的字段不包含在IndexReader.document返回的文档中（这是存储字段的关键，因此可以从索引中检索该字段）。因此，由于结果中缺少该值，因此除非您以其他方式重新创建该值，否则传递给更新的文档中仍将丢失该值。从正在使用的任何原始资料重建文档，或者确保存储要在更新中保留的所有内容。

Lucene不断添加文档，而使用updateDocument

1 个答案: