Lucene4的Version字段探索

阅读更多
在创建Lucene的IndexWriter,analyzer和QueryParser的时候都要指定一个version字段,这个version有何意义?为什么最新的版本总是把之前的version都打上deprecated标签?高版本的Lucene能否打开低版本的索引并且索引呢?
 
先看Version类本身的定义:
Use by certain classes to match version compatibility across releases of Lucene.
WARNING: When changing the version parameter that you supply to components in Lucene, do not simply change the version at search-time, but instead also adjust your indexing code to match, and re-index.
在lucene的发布的各个版本中,Version被某些类用来做兼容性检查。比如说,某些功能可能只在3.0这个版本有效,那么这个功能会先检查当前的lucene版本,如果版本等于3.0,则执行这个功能代码。
同时,注解中也说,当更改代码中的Lucene版本号时,不能光修改搜索时使用的版本号,并且必须将索引时的版本号也改掉,同时重建索引。也就是说,搜索时用的版本号和索引时使用的版本号必须相同。
 

看IndexWriterConfig的构造方法注释:
Creates a new config that with defaults that match the specified Version as well as the default Analyzer. If matchVersion is >= Version.LUCENE_32, TieredMergePolicy is used for merging; else LogByteSizeMergePolicy. Note that TieredMergePolicy is free to select non-contiguous merges, which means docIDs may not remain monotonic over time. If this is a problem you should switch to LogByteSizeMergePolicy or LogDocMergePolicy.
这段注释告诉我们,如果Lucene的版本大于Lucene_32,将使用TieredMergePolicy,否则将使用LogByteSizePolicy。使用不同的版本,将导致lucene采用不同的合并策略。
 
再看StandardAnalyzer

You must specify the required Version compatibility when creating StandardTokenizer:

  • As of 3.4, Hiragana and Han characters are no longer wrongly split from their combining characters. If you use a previous version number, you get the exact broken behavior for backwards compatibility.
  • As of 3.1, StandardTokenizer implements Unicode text segmentation. If you use a previous version number, you get the exact behavior ofClassicTokenizer for backwards compatibility.
这句话,不知道我理解的对不对,就是说在3.4的版本之前,会将汉字错误的分词。如果你在新的Lucene4中现在仍然使用3.4之前的版本,那么你还会有这样的bug。
我们在Lucene的源码中能找到很多类似这样的代码:
StandardFilter类
if (matchVersion.onOrAfter(Version.LUCENE_31))
      return input.incrementToken(); // TODO: add some niceties for the new grammar
    else
      return incrementTokenClassic();
 
特别是分词包中。
 
那么,低版本的索引文件,在高版本中是否可以使用呢,经过测试,高版本肯定能够做到读取和搜索,因此可以断定,高版本肯定能过兼容低版本的数据,甚至大版本号都不一样。
 
结论:
因此总结来说,在使用Lucene时,我们只遵循一个原则,只使用最新的版本,如果变更版本,需要重建索引。在老的版本你无法使用新的版本号,在新的版本中,你不要使用老的版本号。Lucene版本号主要作用是Lucene自己对索引的某些特性做的一些向下兼容,如果你想使用一个较老的版本,某些特性还是可以使用的,只是新的版本不再提供这些特性。
 
 
 
请支持原创:

http://donlianli.iteye.com/blog/1976920

 

 

 

 

 

对这类话题感兴趣?欢迎发送邮件至 [email protected]
关于我:邯郸人,擅长Java,Javascript,Extjs,oracle sql。
更多我之前的文章,可以访问  我的空间

你可能感兴趣的:(lucene4,version)