[英]How can I avoid OutOfMemoryErrors when updating documents in a Lucene index?
[英]How can I merge 2 or more lucene indexes and avoid duplicated values in my final index?
如何合并2个或更多的Lucene索引,并在最终索引中避免重复的值?
今天,我正在使用以下代码在索引之间进行合并:
IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_36, new StandardAnalyzer(Version.LUCENE_36));
IndexWriter writer = new IndexWriter(getFSDirectory(INDEX_DIR), iwc);
LogMergePolicy logMerge = new LogMergePolicy() {
@Override
protected long size(SegmentInfo arg0) throws IOException {
return 0;
}
};
logMerge.setMergeFactor(1000);
iwc.setRAMBufferSizeMB(50);
Directory indexes[] = new Directory[INDEXES_DIR.size()];
for (int i = 0; i < INDEXES_DIR.size(); i++) {
Directory d = FSDirectory.open(new File(INDEXES_DIR.get(i)).getAbsoluteFile());
System.out.println("Adding: " + INDEXES_DIR.get(i));
indexes[i] = d;
}
System.out.print("Merging added indexes...");
writer.addIndexes(indexes);
System.out.println("done");
我不相信Lucene提供任何简单的方法来做到这一点,例如addIndexes
。
您可能需要:
再次遍历索引以删除重复项。 您可以使用termEnum获取每个文档中id字段的term()
和docFreq()
,以检测重复项。 然后,您可以从DocsEnum
的调用中,从TermsEnum.docs
。
或者,也许更明智的方法是使用IndexWriter.updateDocument自己执行合并,以防止重复。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.