是否可以通过Java中的Lucene 3.0获得按频繁更新字段排序的实时搜索结果

Question

考虑以下假设：

1. 我有正在考虑使用Lucene 3.0进行全文本搜索的Java 5.0 Web应用程序
2. Lucene文档将超过1000K，每个文档100个字（平均）
3. 新文档创建后必须立即可搜索（实时搜索）
4. Lucene文档经常更新名为quality的整数字段

在哪里可以找到Lucene 3.0的近实时搜索的代码示例（尽可能简单但尽可能完整）？

是否可以获得按可能经常更新（对于已编制索引的文档）的文档字段（质量）之一排序的查询结果？ 这样的文档字段更新将不得不触发Lucene索引重建吗？ 这种重建的表现是什么？ 如何有效地做到这一点-我需要一些完整解决方案的示例/文档。

但是，如果在这种情况下不必重新构建索引-如何有效地对搜索结果进行排序？ 可能有查询返回很多文档（> 50K），所以我认为从Lucene中获取未排序的文档，然后按质量字段对其进行排序，最后将排序后的列表划分为页面进行分页，效率不高。

在Java中，Lucene 3.0是我的最佳选择吗？还是我应该考虑其他一些框架/解决方案？ 也许是SQL Server本身提供的全文搜索（我使用的是PostgreSQL 8.3）？

Answer 1

Lucene API可以满足您的所有要求，但这并不容易。 这是一个相当低级的API，并且使其本身做起来很复杂。

我强烈推荐Compass ，它是基于Lucene构建的搜索/索引框架。 除了更友好的API外，它还提供了诸如将对象/ XML / JSON映射到Lucene索引的功能，以及完全事务性的行为。 它不会对您的要求造成任何麻烦，例如对事务更新的文档进行实时排序。

Compass 2.2.0基于Lucene 2.4.1构建，但是基于Lucene 3.0的版本正在开发中。 不过，从Lucene API足够抽象出来，过渡应该是无缝的。

Answer 2

从2.9开始，Lucene中提供了近实时搜索。 Lucid Imagination上有一篇有关此功能的文章 （2.9版之前）。 基本思想是您现在可以从IndexWriter获取IndexReader。 如果您定期刷新此IndexReader，则可以从IndexWriter获取最新的日期更改。

更新：我还没有看到任何代码，但这是广泛的想法。

所有的nw文档都将被写入IndexWriter ，最好由RAMDirectory创建，它将不会经常关闭。 （要保留此内存索引，您可能必须偶尔将其刷新到磁盘。）

您将在要创建单个IndexReader的磁盘上有一些索引。 可以在这些阅读器的顶部创建一个MultiReader和一个Searcher。 读者之一将来自内存索引。

以固定的时间间隔（例如几秒钟），您将从MultiReader中删除当前的Reader，从IndexWriter获取新的Reader，并使用一组新的Reader构建构造MultiReader / Searcher。

根据Lucid Imagination的文章（上面有链接），他们尝试了每秒写入50个文档，而速度没有很大的下降。