Jackrabbit如何进行索引

Jackrabbit是利用Lucene实现的全文检索。具体的实现在jackrabbit-core项目的org.apache.jackrabbit.core.query.lucene包中。

索引过程的关键类有以下几个：

1、org.apache.jackrabbit.core.query.lucene.NodeIndex。这个类的核心方法是createDoc，在这里，生成了Lucene的Document，并且处理了JCR节点的各个属性。在这个类里还可以看到jackrabbit是利用tika处理的binary数据（addBinaryValue方法中），同时也可以看到jackrabbit的一个比较龌龊的实现：对于二进制流，只有放在名称为jcr:data的属性中才会被索引。具体的代码是这个样子的：

String jcrData = mappings.getPrefix(Name.NS_JCR_URI) + ":data";if (!jcrData.equals(fieldName)) {// don't know how to indexreturn;}

所以，nt:file类型下的文档内容会自动被索引。如果你想自定义类型，并且希望其中的二进制字节数据被索引，那么，你有两个选择：

第一：改jackrabbit的代码，让他支持你的属性；

第二：将放置二进制字节数据的属性名设置为jcr:data，并且让该节点继承nt:resource（需要mimetype等属性）。

当然绝大多数人会选择第二种吧。

2、org.apache.jackrabbit.core.query.lucene.SearchIndex。这个类是jackrabbit与Lucene交互的核心类，索引和检索都是通过它来完成的，具体是executeQuery、updateNodes两个方法。在updateNodes方法中，会利用NodeIndex来建立索引。

3、org.apache.jackrabbit.core.SearchManager。该类实现了SynchronousEventListener接口，换句话说Jackrabbit的索引过程采用的是其自身的Listener机制。其onEvent会调用SearchIndex的updateNodes来更新索引。

综上，jackrabbit利用lucene的索引过程并不复杂。

另外，对于JCR，有个问题是其接口不支持二次检索，希望在JCR的后续版本中能改进。最简单的方法就是在Query中加一个executeWithFilter就是了。