Lucene 上打开的文件太多错误

Question

我正在进行的项目是索引一定数量的数据（带有长文本）并将它们与每个间隔（大约 15 到 30 分钟）的单词列表进行比较。

一段时间后，比如第 35 轮，在第 36 轮开始索引新数据集时出现此错误：

    [ERROR] (2011-06-01 10:08:59,169) org.demo.service.LuceneService.countDocsInIndex(?:?) : Exception on countDocsInIndex: 
    java.io.FileNotFoundException: /usr/share/demo/index/tag/data/_z.tvd (Too many open files)
        at java.io.RandomAccessFile.open(Native Method)
        at java.io.RandomAccessFile.<init>(RandomAccessFile.java:233)
        at org.apache.lucene.store.SimpleFSDirectory$SimpleFSIndexInput$Descriptor.<init>(SimpleFSDirectory.java:69)
        at org.apache.lucene.store.SimpleFSDirectory$SimpleFSIndexInput.<init>(SimpleFSDirectory.java:90)
        at org.apache.lucene.store.NIOFSDirectory$NIOFSIndexInput.<init>(NIOFSDirectory.java:91)
        at org.apache.lucene.store.NIOFSDirectory.openInput(NIOFSDirectory.java:78)
        at org.apache.lucene.index.TermVectorsReader.<init>(TermVectorsReader.java:81)
        at org.apache.lucene.index.SegmentReader$CoreReaders.openDocStores(SegmentReader.java:299)
        at org.apache.lucene.index.SegmentReader.get(SegmentReader.java:580)
        at org.apache.lucene.index.SegmentReader.get(SegmentReader.java:556)
        at org.apache.lucene.index.DirectoryReader.<init>(DirectoryReader.java:113)
        at org.apache.lucene.index.ReadOnlyDirectoryReader.<init>(ReadOnlyDirectoryReader.java:29)
        at org.apache.lucene.index.DirectoryReader$1.doBody(DirectoryReader.java:81)
        at org.apache.lucene.index.SegmentInfos$FindSegmentsFile.run(SegmentInfos.java:736)
        at org.apache.lucene.index.DirectoryReader.open(DirectoryReader.java:75)
        at org.apache.lucene.index.IndexReader.open(IndexReader.java:428)
        at org.apache.lucene.index.IndexReader.open(IndexReader.java:274)
        at org.demo.service.LuceneService.countDocsInIndex(Unknown Source)
        at org.demo.processing.worker.DataFilterWorker.indexTweets(Unknown Source)
        at org.demo.processing.worker.DataFilterWorker.processTweets(Unknown Source)
        at org.demo.processing.worker.DataFilterWorker.run(Unknown Source)
        at java.lang.Thread.run(Thread.java:636)

我已经尝试通过以下方式设置最大打开文件数：

        ulimit -n <number>

但是一段时间后，当区间有大约 1050 行长文本时，会出现同样的错误。 但它只发生过一次。

我应该遵循从（打开的文件太多）修改 Lucene IndexWriter 的 mergeFactor 的建议 - SOLR还是这是索引数据量的问题？

我还读到它是批量索引或交互式索引之间的选择。 仅通过频繁更新，如何确定索引是否是交互式的？ 那么我应该将这个项目归类为交互式索引吗？

更新：我正在添加我的 IndexWriter 的片段：

        writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_30), IndexWriter.MaxFieldLength.UNLIMITED);

似乎 maxMerge （？或字段长度...）已设置为无限制。

Answer 1

我已经使用了 ulimit 但仍然显示错误。 然后我检查了 lucene 功能的定制核心适配器。 原来有太多的 IndexWriter.open 目录是 LEFT OPEN 的。

需要注意的是，处理完之后，总是会调用关闭打开的目录。

Answer 2

您需要仔细检查ulimit值是否实际上已被持久化并设置为适当的值（无论最大值是多少）。

您的应用很可能没有正确关闭索引读取器/写入器。 我在 Lucene 邮件列表中看到了很多这样的故事，而且几乎总是应该归咎于用户应用程序，而不是 Lucene 本身。

Answer 3

使用复合索引来减少文件数。 设置此标志时，lucene 会将一个段写入单个.cfs 文件而不是多个文件。 这将显着减少文件数量。

IndexWriter.setUseCompoundFile(true)