Question

我有一个特定的应用程序，要求组成索引的文件数尽可能少。以前当我使用Lucene.NET 2.9.2时，我能够通过使用以下内容将整个索引保存在3（或4）个文件中：

writer.SetUseCompoundFile(true);
writer.Optimize(1, true);

升级到Lucene.NET 2.9.4之后，相同的代码生成由10个文件组成的索引（fdt，fdx，fnm，frq，nrm，prx，tii，tis + segments.gen和segments_c）。我怎么能再把它拿下来呢？

原因可能是Lucene的深层次，而Lucene.NET的具体情况并不多。版本之间仍有些变化，我很想控制它。

Answer 1

好的，我终于找到了答案。在冗长的索引过程中检查索引目录时，我观察到CFS来来往往，但是一旦完成该过程，就没有CFS文件的迹象。我做了一些研究，给出了一些新的关键词（感谢@ jf-beaulac）和I've found this。他们说CFS的默认阈值是整个索引大小的10％。如果任何段超过该段，则无论writer.SetUseCompoundFile(true)用法如何，都不会创建CFS。

因此，在通过Lucene.NET进行一些挖掘后，我提出了以下必要步骤：

        indexWriter.SetUseCompoundFile(true);
        var mergePolicy = indexWriter.GetMergePolicy();
        var logPolicy = mergePolicy as LogMergePolicy;
        if (logPolicy != null)
        {
            logPolicy.SetNoCFSRatio(1);
        }

将“no-cfs-ratio”设置为100％会使CFS中的所有段保持最终状态，并且最终会按照我希望的方式运行。

所以，@ jf-beaulac非常感谢让我前进。我想如果添加更多文档，您的样本也会失败。不过，我认可你的帮助，所以我会接受你的回答。

Answer 2

我会发布用于测试此内容的确切代码段，将其与您的代码进行比较可能会帮助您找到错误的内容。

FSDirectory dir = FSDirectory.GetDirectory("C:\\temp\\CFSTEST");
IndexWriter writer = new IndexWriter(dir, new CJKAnalyzer());
writer.SetUseCompoundFile(true);

Document document = new Document();

document.Add(new Field(
    "text",
    "プーケット",
    Field.Store.YES,
    Field.Index.ANALYZED));
writer.AddDocument(document);

document.GetField("text").SetValue("another doc");
writer.AddDocument(document);

writer.Optimize(1, true);
writer.Close();

最小化Lucene索引文件计数

2 个答案: