IndexWriter有关的几个参数设置及重建索引注意事项

Lucene 3.0版本：

http://www.cnblogs.com/huangfox/archive/2010/10/16/1853054.html

本文介绍和IndexWriter有关的3个参数：

1.MAXBufferedDocs

 MaxBufferedDocs这个参数默认是disabled的，因为Lucene中还用另外一个参数（RAMBufferSizeMB）控制这个bufffer的索引文档个数。
其实MaxBufferedDocs和RAMBufferSizeMB这两个参数是可以一起使用的，一起使用时只要有一个触发条件满足就写入硬盘，生成一个新的索引segment文件。

2.RAMBufferSize

 控制用于buffer索引文档的内存上限，如果buffer的索引文档个数到达该上限就写入硬盘。当然，一般来说也只越大索引速度越快。当我们对文档大小不太确定时，这个参数就相当有用，不至于outofmemory error.

3.MegerFactor

SetMergeFactor是控制segment合并频率的，其决定了一个索引块中包括多少个文档，当硬盘上的索引块达到多少时，将它们合并成一个较大的索引块。当MergeFactor值较大时，生成索引的速度较快。MergeFactor的默认值是10，建议在建立索引前将其设置的大一些。

注意：

1.不要随意设置MaxbufferedDocs。

MaxBufferedDocs和RAMBufferSize共同控制内存中文档的容量。

如果对MaxBufferedDocs进行设置要比较小心了，因为它本身是disabled，如果设置不合理将导致大规模的重建索引非常慢。

例如：

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.document.StringField;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;


public class ceshi0303 {
	public static void main(String[] args) {
		IndexWriter writer = null;
		FSDirectory dir = null;
		try {
			dir = FSDirectory.open(new File("d:\\20140303index"));
			Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);  
            IndexWriterConfig iwConfig = new IndexWriterConfig(  
                    Version.LUCENE_46, analyzer);
            iwConfig.setMaxBufferedDocs(100);
			writer = new IndexWriter(dir, iwConfig);
			Field f1 = new StringField("f1", "", Store.YES);
			Field f2 = new StringField("f2", "", Store.YES);
			long s = System.currentTimeMillis();
			for (int i = 0; i < 500000; i++) {
				Document doc = new Document();
				f1.setStringValue("f1 hello doc" + i);
				doc.add(f1);
				f2.setStringValue("f2 world doc" + i);
				doc.add(f2);		
				writer.addDocument(doc);
			}
			System.out.println(System.currentTimeMillis() - s + "ms");
			System.out.println("over");
		}catch (IOException e) {
			e.printStackTrace();
		}finally {
			try {
				writer.close();
			}catch (IOException e) {
				e.printStackTrace();
			}
		}
	}
}

上述代码中对MaxBufferedDocs进行设置：

 

iwConfig.setMaxBufferedDocs(100);

那么现在对内存中文档的容量有两个控制量：

1.文档数量达到100就写回磁盘；

2.文档总容量达到16m就写回磁盘；

因为上面一个文档的大小很小，100个文档的容量肯定不会达到16m，所以第一个控制量起到主要的作用。

在没有设置MaxBufferedDocs之前就只有RAMBufferSize（16m）控制内存中文档的数量，

较之这两种情况，明显是没有设置MaxbufferedDocs更好的利用了内存，因此建立索引更快速。

实验证明：

设置MaxBufferedDocs后跑了75041ms，而不设置只需3892.8ms。

2.不要太迷信MegerFactor比较大会加快重建索引的速度。

通过实验，在上述代码中奖MegerFactor设置成10比100要快2s。

而在4.6版本中没有找到这个参数，就使用默认的吧。