lucene的IndexReader的初始化过程
来源:互联网 发布:淘宝网页设计的评价 编辑:程序博客网 时间:2024/06/07 12:59
在使用Lucene时,有一条建议”不要频繁去打开关闭硬盘索引”。为什么会有这条建议?这就需要在IndexReader的实例化过程中找答案。先说一个结论“IndexReader的实例化过程是一个非常耗时的过程”。由于IndexReader只是一个抽象类,在调用代码:
真正得到的是StandardDirectoryReader对象。首先来看一下StandardDirectoryReader的类图:
最重要的一个类就是SegmentCoreReader,它关联着整个segment中的所有文件。SegmentCoreReader是通过Codec来得到各个文件的处理对象,结构图如下:
初始化过程的关键的JAVA代码如下:
在SegmentInfos.FindSegmentsFile.run(commit)方法执行的过程中,会读取segments.gen文件,确定segments的最大的generation。在StandardDirectoryReader.open(Directory)方法执行的过程中,sis.read(directory,segmentFileName)在执行过程中步骤如下:
1、 通过segments_N的文件名得到N的最大值,即索引的最后CommitPoint。
2、 对比segments.gen文件中写入的两个generation值,得到N的最大值。
3、 从segments_N中读取到索引段的总体信息,并依次读取出所有si文件。
4、 从每个_N.si 文件中读取索引段的相关信息(操作系统信息,Lucene版本信息,当前段管理的文件信息),形成SegmentInof对象,最后汇总得到SegmentInfos对象
5、 用CRC32校验segments_N文件的正确性。
对于每个SegmentInfo对象,都会生成一个SegmentReader对象,即代码:
readers[i]=new SegmentReader(sis.info(i),termInfosIndexDivisor,IOContext.READ);
这段代码就是读取每个segment的总体信息,比如docCount,totalTermFreq等信息,并把segment中的相关文件关联起来。在SegmentCoreReader类的构造函数里,把索引的核心文件都打开且读取了相关信息。
1、 依次读取每个段的文件信息。
2、 从_N.fnm文件中读取每个Field的配置信息,得到相当段的所有FieldInfo,组成FieldInfos。
3、 打开倒排表的相关文件(doc/pos/pay)
4、 打开词典文件(tim/tip)
5、 读取索引的统计信息(docFreq,tatalTermFreq,docCount等信息)
6、 读取nvm/nvd文件,得到相关norms信息。
7、 读取fdx/fdt文件。
通过这些初始化过程,就完成了IndexReader的初始化。当索引的数据很大时,这个加载过程就比较耗时了。所以“不要频繁去打开关闭硬盘索引”。
- lucene的IndexReader的初始化过程
- lucene的IndexReader的初始化过程
- lucene IndexReader reOpen 的彻底研究
- Lucene六(IndexReader的设计)
- 【Lucene】IndexReader类的maxDoc()与numDocs()的区别
- Lucene 4.6 的IndexReader的undeleteAll方法寻找
- 使用Lucene的IndexReader读取索引文件的信息
- lucene使用教程5 --常用类的对象之IndexReader
- lucene管理IndexReader和IndexWriter的最佳实践
- IndexReader关闭的问题
- lucene用indexReader获取某个Document中的所有域的名字
- lucene索引_加权操作、对日期和数字进行索引、IndexReader的设计
- 索引的读取工具IndexReader
- IndexReader和IndexWriter的生命周期
- lucene源码-创建IndexReader
- Lucene的分析过程
- Lucene 分词的过程
- Lucene的分析过程
- spark读取hdfs数据本地性异常
- ANR
- 690. Employee Importance
- 一般论文投稿应该注意哪些要求
- 2016-2017 ACM-ICPC, NEERC, Central Subregional Contest
- lucene的IndexReader的初始化过程
- MFC——VS中MSComm串口控件的导入和注意事项
- FreeSWITCH学习笔记 第一场 第二个镜头 视频通话配置
- CAD怎么批量转成PDF格式
- C/C++中作为函数参数的 i++ 与 ++i
- Spark的学习笔记
- Nginx Sticky的使用及踩过的坑(nginx-sticky-module)
- 美女大头的通达OA2017最新版本的全年托管服务
- 设计模式之外观模式