关于Solr的各种DirectoryFactory

看到一个关于Solr的中文Book网站，介绍的有些简易，不过专注于Solr值得关注：http://www.solrcn.com/books/
最近快被Solr的Map Failed快弄崩溃了==b，继续调研。。。，还没好。下面从中摘一段关于SolrDirectoryFactory的配置，

Apache Lucene 以及 Solr 一个重要的属性是 Lucene 目录实现。目录接口为 Lucene 提供抽象的 IO 操作层。尽管选一个目录实现看起来很简单，但是在极端情况下，它会影响性能。以下将为你讲解如何选择正确的目录实现。

为了使用期望的目录，要做的就是选择正确的目录实现的工厂类，然后告知 solr。假设你打算使用 NRTCachingDirectory 作为你的目录实现，为了实现这个，需要在 solrconfig.xml 中设置以下内容：

这就是所有要做的，很简单，但是有哪些工厂可用呢，在Solr4.2版本中，有以下工厂可用：
solr.StandardDirectoryFactory
solr.SimpleFSDirectoryFactory
solr.NIOFSDirectoryFactory
solr.MMapDirectoryFactory
solr.NRTCachingDirectoryFactory
solr.RAMDirectoryFactory
现在，让我们分别看看每个工厂。

在深入了解每个工厂的细节前，我们先了解一些工厂的配置参数。directoryFactory 的参数一共两个，一个是 name，name 要设置成 “DirectoryFactory”,另外一个是 class，class 设置成我们所选的工厂实现类。
打算让 solr 自行决定使用哪个工厂时，可以使用 solr. StandardDirectoryFactory。该实现是基于文件系统形式的，依赖当前操作系统和 Java 虚拟机。
如果在一个小系统中使用，没有很多线程，这样可以使用 solr.SimpleFSDirectoryFactory，这个工厂将索引文件保存在本地的文件系统中，它不适用于大量线程访问的情况。
solr.NIOFSDirectoryFactory 可以适用于多线程同时访问，但是它在 Windows 平台不能很好工作，这是因为 JVM 的 bug。
solr.MMapDirectoryFactory 是从 solr 3.1 到 4.0 在 64 位 Linux 系统上的默认目录工厂。这个目录实现类适用虚拟内存和内核中一个叫 mmap 的特性来访问存在磁盘上的文件。它允许 Lucene 直接访问 I/O 缓存，当不需要准实时搜索时，这个目录实现是一个非常不错的选择。
如果需要准实时搜索，你需要使用 solr.NRTCachingDirectoryFactory，它设计成将索引的一部分放在内存中来加速准实时操作。
最后一个目录工厂是 solr.RAMDirectoryFactory，这是唯一一个非持久化的工程，整个索引是存放在 RAM 内存中，这样在系统重启或崩溃时，将丢失所有索引。这样你可能会问，那为什么使用这个工程？在自动完成功能和单元测试时，这种工程还是有用的。另外需要注意的是这种工程也不是为大数据设计的。

但是在服务器上建1亿数据时各种内存吃紧，有朋友这么建议:
“你那个内存消耗，肯定不适合mmap的，StandardDirectoryFactory太吃io了，solr.NRTCachingDirectoryFactory会导致jvmGC的压力太大，用NIO吧” 另外：”MergeFactor要根据数据要合理的调整，默认的10不行设大一点” 参考http://blog.csdn.net/pangliyewanmei/article/details/5733921

更专业的Factory解释还是要看Lucene in action第二版中文版2.10节 P52

此条目由 jacoxu 发表在 Big Data 分类目录，并贴了 Lucene、Solr 标签。将固定链接加入收藏夹。