文档获取/更新/删除时Lucene索引文件的更改？

Question

我正在研究最新版本的Lucene 4.10.2，它结合了Java作为前端，Oracle 12c作为数据库。

我已经索引了一个有100万行的用户表。 （记住LinkedIn用户表）

当我们添加文档/更新文档/删除文档时，任何人都可以解释我文件夹（文件被索引）的确切变化吗？

附加样本图像：

我正在尝试理解Lucene文件夹的文件结构，其中放置了所有索引文件。

这只是一对多的关系结构（我们搜索没有登录），稍后我会转到很多关系（连接，连接连接，用户的1：1索引文件夹）。

如果我的方法是正确/错误，请告诉我。

Answer 1

Lucene索引由多个“段”组成。 每个段只能写一次，无论是当你调用commit()或在commit()被自动调用（通过设置的IndexWriter当内存使用量达到规定的阈值自动提交）。 通常，当您搜索索引时，将按顺序搜索每个段，并将结果合并在一起。 Lucene以这种方式工作的原因是修改一个段将是一个非常缓慢的过程。 细分可以合并在一起，以提高搜索效果。 [1]

在您的示例中，以_0开头的文件是第一个段，以_1开头的文件是第二个段。 .cfe和.cfs文件是“复合文件”，它们包含该段的所有索引文件（有点像zip文件）。 有关详细信息，请参阅默认编解码器的文件扩展名和格式 。

所以你的三个操作是这样的：

添加：文档将始终添加到新段中。

删除：实际上并未从索引中删除已删除的文档。 而是设置一个标志以指示文档被删除。 未删除的文档称为“实时文档”。 已删除的文档仍会通过“文档频率”字段影响评分，并且在合并段之前不会更新。

更新：更新只是一个原子添加和删除。

[1] http://blog.trifork.com/2011/11/21/simon-says-optimize-is-bad-for-you/