lucene的IndexReader的初始化过程

         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：(可以在新标签页面中查看大图，会更清晰一些)

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”。