我们先来看下下面的问题，现在我们的索引里有2亿多的数据，那么现在的需求是，把索引里的全部数据，读取然后写入txt文本里，对于这么一个量级的数据，显然是不可能一下子全部读取完的，那得要多大的内存才能够支持下来，是一个很恐怖的内存量，所以就引入散仙今天要给大家介绍的一个功能，Lucene的分页技术。
在介绍分页之前，我们先来看看上面的那个需求，不用分页的解决办法，
其实在lucene里面，每一个索引都会对应一个不重复的docid，而这一点跟Oralce数据库的伪列rownum一样，恰恰正是由于这个docid的存在，所以让lucene在海量数据检索时从而拥有更好的性能，我们都知道Oracle数据库在分页时，使用的就是伪列进行分页，那么我的lucene也是一样，既然有一个docid的存在，那么上面的需求就很简单了。
方法一:依次根据每个docid获取文档然后写入txt中，这样的以来，就避免了内存不足的缺点，但是这样单条读取的话，速度上可能会慢一点,但能满足需求无可厚非。伪代码如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
try
{
directory=FSDirectory.open(
new
File(indexReadPath));
//打开索引文件夹
IndexReader reader=DirectoryReader.open(directory);
//读取目录
IndexSearcher search=
new
IndexSearcher(reader);
//初始化查询组件
for
(
int
i=
0
;i<reader.numDocs();i++){
//numDocs可能很大
Document doc=search.doc(i);
//依次获取每个docid对应的Document
//可以在此部，做个批量操作,加快写入速度
}
reader.close();
//关闭资源
directory.close();
//关闭连接
}
catch
(Exception e){
e.printStackTrace();
}
|
Lucene的分页，总的来说有两种形式，总结如下图表格。（如果存在不合适之处，欢迎指正！）
| 编号 | 方式 | 优点 | 缺点 |
| 1 | 在ScoresDocs里进行分页 | 无需再次查询索引，速度很快 | 在海量数据时，会内存溢出 |
| 2 | 利用SearchAfter，再次查询分页 | 适合大批量数据的分页 | 再次查询，速度相对慢一点，但可以利用缓存弥补 |
从上图我们可以分析出，ScoreDocs适合在数据量不是很大的场景下进行分页，而SearchAfter则都适合，所以，我们要根据自己的业务需求，合理的选出适合自己的分页方式。
在我们了解这2中分页技术的优缺点之后，我们再来探讨下上面那个读2亿数据存入txt文本里，在这里，SocreDocs不适合这种场景，当然如果你内存足够大的话，可以尝试下，通用分页分批读取的方式，可以提升我们的写入效率，效果是比单条单条读取的速度是要快很多的。虽然ScoresDocs的分页方式在本需求上不适合，但是作为示例，下面散仙给出使用ScoreDocs进行分页的代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
try
{
directory=FSDirectory.open(
new
File(indexReadPath));
//打开索引文件夹
IndexReader reader=DirectoryReader.open(directory);
//读取目录
IndexSearcher search=
new
IndexSearcher(reader);
//初始化查询组件
TopDocs all=search.search(
new
MatchAllDocsQuery(),
50000
);
int
offset=
0
;
//起始位置
int
pageSize=
30
;
//分页的条数
int
total=
30
;
//结束条数
int
z=
0
;
while
(z<=
50
){
//总分页数
System.out.println(
"=============================="
);
pageScoreDocs(offset,total,search, all.scoreDocs);
//调用分页打印
offset=(z*pageSize+pageSize);
//下一页的位置增量
z++;
//分页数+1；
total=offset+pageSize;
//下一次的结束分页量
}
reader.close();
//关闭资源
directory.close();
//关闭连接
}
catch
(Exception e){
e.printStackTrace();
}
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
public
void
pageScoreDocs(
int
offset,
int
total,IndexSearcher searcher,ScoreDoc[] doc)
throws
Exception{
//System.out.println("offset:"+offset+"===>"+total);
for
(
int
i=offset;i<total;i++){
//System.out.println("i"+i+"==>"+doc.length);
if
(i>doc.length-
1
){
//当分页的长度数大于总数就停止
break
;
}
else
{
Document dosc=searcher.doc(doc[i].doc);
System.out.println(dosc.get(
"name"
));
}
}
|
最后我们来看下使用SearcherAfter进行分页的方式,代码如下:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
try
{
directory=FSDirectory.open(
new
File(indexReadPath));
//打开索引文件夹
IndexReader reader=DirectoryReader.open(directory);
//读取目录
IndexSearcher search=
new
IndexSearcher(reader);
//初始化查询组件
int
pageStart=
0
;
ScoreDoc lastBottom=
null
;
//相当于pageSize
while
(pageStart<
10
){
//这个只有是paged.scoreDocs.length的倍数加一才有可能翻页操作
TopDocs paged=
null
;
paged=search.searchAfter(lastBottom,
new
MatchAllDocsQuery(),
null
,
30
);
//查询首次的30条
if
(paged.scoreDocs.length==
0
){
break
;
//如果下一页的命中数为0的情况下，循环自动结束
}
page(search,paged);
//分页操作，此步是传到方法里对数据做处理的
pageStart+=paged.scoreDocs.length;
//下一次分页总在上一次分页的基础上
lastBottom=paged.scoreDocs[paged.scoreDocs.length-
1
];
//上一次的总量-1，成为下一次的lastBottom
}
reader.close();
//关闭资源
directory.close();
//关闭连接
}
catch
(Exception e){
e.printStackTrace();
}
|
至此，我们已经了解了lucene中的分页技术，至于，我们在项目中该如何使用，都要根据我们的实际情况处理，因为分页技术常常会跟其他的，排序，过滤，评分等一些技术结合使用。
http://my.oschina.net/MrMichael/blog/220782