基于lucene的案例开发：实现实时索引基本原理

转载请注明出处：http://blog.csdn.net/xiaojimanman/article/details/43982653

http://www.llwjy.com/blogd.php?id=63d4c488a2cccb5851c0498d374951c9

      个人的博客小站也搭建成功，网址：www.llwjy.com/blog.php ，欢迎大家来吐槽~

基本原理

      在前面的博客中也说过，程序初始话索引文件是十分消耗系统资源的，因此要想实现实时索引就不能实时的去修改索引文件、重新加载索引文件，就必须考虑如何使用内存来实现这实时索引；在Lucene4.3.1版本（之前的版本也有，但是在后面的版本中就将NRT*相关的类删除了）中NRT*相关类就提供了创建实时索引（伪实时索引）的相关方法，将IndexWrite的相关操作委托给TrackingIndexWriter来处理，实现了内存索引和硬盘索引的结合，通过NRTManager为外部提供可用的索引，当然，在执行commit（之前创建索引中有相关介绍）操作之前，操作的数据都是存在内存中，一旦宕机或者服务重，这些数据都将丢失，因此就需要自己添加一个守护线程去不断的执行commit操作（commit操作十分消耗系统资源，索引不可能每一次修改都去执行该操作）。下面就通过几个简单的图来介绍一下实时索引的实现原理：

      在系统刚启动时候，存在两个索引：内存索引、硬盘索引，当然此时内存索引中是没有任何数据的，结构如下图所示：

      在系统运行过程中，一旦有索引的增加、删除、修改等操作，这些操作都是操作内存索引，而不是硬盘索引，如下图所示：

      当程序主动执行commit操作时，这是会将内存索引复制一份，我们称之为合并索引，同时将内存索引清空，用于之后的索引操作，此时系统中就存在内存索引、合并索引、硬盘索引，在想外提供服务的同时，也会将合并索引中的数据写入硬盘，如下图所示：

      当合并索引中的数据已经全部写入硬盘之后，程序会对硬盘索引重读，形成新的IndexReader，在新的硬盘IndexReader替换旧的硬盘IndexReader时，删除合并索引的IndexReader，这样系统又重新回到最初的状态（当然此时内存索引中可能会有数据），如下图所示：

      如此反复，一个实时索引的系统也就算完成了，当然这里也会有一定的风险，就是在宕机时可能会丢失一部分的数据。关于这个问题，如果数据准确度要求不是太高的话可以忽略，毕竟这种情况发生的概率太小了；如果对数据的准确度要求特别高的话，可以通过添加输出日志来完成。

      ps：Lucene内部的实现逻辑比上面复杂的多，这里只是简单的介绍一下实现原理，如要深入了解，还请详细阅读相关书籍、源码。

配置类

      在这篇博客中就先把这个系列的实时索引的配置类介绍以下，后面就不再介绍了。

ConfigBean

      ConfigBean类中，定义了一些索引的基本属性，如：索引名、硬盘存储位置、采用的分词器、commit操作执行频率、内存索引重读频率等，具体代码如下：

/**  
 *@Description:  索引基础配置属性
 */
package com.lulei.lucene.index.model;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.util.Version;

public class ConfigBean {
	// 分词器
	private Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_43);
	// 索引地址
	private String indexPath = "/index/";
	private double indexReopenMaxStaleSec = 10;
	private double indexReopenMinStaleSec = 0.025;
	// 索引commit时间
	private int indexCommitSeconds = 60;
	// 索引名称
	private String indexName = "index";
	//commit时是否输出相关信息
	private boolean bprint = true;
	
	public Analyzer getAnalyzer() {
		return analyzer;
	}
	public void setAnalyzer(Analyzer analyzer) {
		this.analyzer = analyzer;
	}
	public String getIndexPath() {
		return indexPath;
	}
	public void setIndexPath(String indexPath) {
		if (!(indexPath.endsWith("\\") || indexPath.endsWith("/"))) {
			indexPath += "/";
		}
		this.indexPath = indexPath;
	}
	public double getIndexReopenMaxStaleSec() {
		return indexReopenMaxStaleSec;
	}
	public void setIndexReopenMaxStaleSec(double indexReopenMaxStaleSec) {
		this.indexReopenMaxStaleSec = indexReopenMaxStaleSec;
	}
	public double getIndexReopenMinStaleSec() {
		return indexReopenMinStaleSec;
	}
	public void setIndexReopenMinStaleSec(double indexReopenMinStaleSec) {
		this.indexReopenMinStaleSec = indexReopenMinStaleSec;
	}
	public int getIndexCommitSeconds() {
		return indexCommitSeconds;
	}
	public void setIndexCommitSeconds(int indexCommitSeconds) {
		this.indexCommitSeconds = indexCommitSeconds;
	}
	public String getIndexName() {
		return indexName;
	}
	public void setIndexName(String indexName) {
		this.indexName = indexName;
	}
	public boolean isBprint() {
		return bprint;
	}
	public void setBprint(boolean bprint) {
		this.bprint = bprint;
	}
}

IndexConfig

      在一个系统中并不一定只存在一个索引，也可能会是多个，所以又添加了一个IndexConfig类，具体代码如下：

 /**  
 *@Description: 索引的相关配置参数
 */ 
package com.lulei.lucene.index.model;  

import java.util.HashSet;

public class IndexConfig {
	//配置参数
	private static HashSet<ConfigBean> configBean = null;
	
	//默认的配置
	private static class LazyLoadIndexConfig {
		private static final HashSet<ConfigBean> configBeanDefault = new HashSet<ConfigBean>();
		 static {
			 ConfigBean configBean = new ConfigBean();
			 configBeanDefault.add(configBean);
		 }
	}

	public static HashSet<ConfigBean> getConfigBean() {
		//如果未对IndexConfig初始化，则使用默认配置
		if (configBean == null) {
			configBean = LazyLoadIndexConfig.configBeanDefault;
		}
		return configBean;
	}

	public static void setConfigBean(HashSet<ConfigBean> configBean) {
		IndexConfig.configBean = configBean;
	}
}