是否可以通過Java中的Lucene 3.0獲得按頻繁更新字段排序的實時搜索結果

Question

考慮以下假設：

1. 我有正在考慮使用Lucene 3.0進行全文本搜索的Java 5.0 Web應用程序
2. Lucene文檔將超過1000K，每個文檔100個字（平均）
3. 新文檔創建后必須立即可搜索（實時搜索）
4. Lucene文檔經常更新名為quality的整數字段

在哪里可以找到Lucene 3.0的近實時搜索的代碼示例（盡可能簡單但盡可能完整）？

是否可以獲得按可能經常更新（對於已編制索引的文檔）的文檔字段（質量）之一排序的查詢結果？ 這樣的文檔字段更新將不得不觸發Lucene索引重建嗎？ 這種重建的表現是什么？ 如何有效地做到這一點-我需要一些完整解決方案的示例/文檔。

但是，如果在這種情況下不必重新構建索引-如何有效地對搜索結果進行排序？ 可能有查詢返回很多文檔（> 50K），所以我認為從Lucene中獲取未排序的文檔，然后按質量字段對其進行排序，最后將排序后的列表划分為頁面進行分頁，效率不高。

在Java中，Lucene 3.0是我的最佳選擇嗎？還是我應該考慮其他一些框架/解決方案？ 也許是SQL Server本身提供的全文搜索（我使用的是PostgreSQL 8.3）？

Answer 1

Lucene API可以滿足您的所有要求，但這並不容易。 這是一個相當低級的API，並且使其本身做起來很復雜。

我強烈推薦Compass ，它是基於Lucene構建的搜索/索引框架。 除了更友好的API外，它還提供了諸如將對象/ XML / JSON映射到Lucene索引的功能，以及完全事務性的行為。 它不會對您的要求造成任何麻煩，例如對事務更新的文檔進行實時排序。

Compass 2.2.0基於Lucene 2.4.1構建，但是基於Lucene 3.0的版本正在開發中。 不過，從Lucene API足夠抽象出來，過渡應該是無縫的。

Answer 2

從2.9開始，Lucene中提供了近實時搜索。 Lucid Imagination上有一篇有關此功能的文章 （2.9版之前）。 基本思想是您現在可以從IndexWriter獲取IndexReader。 如果您定期刷新此IndexReader，則可以從IndexWriter獲取最新的日期更改。

更新：我還沒有看到任何代碼，但這是廣泛的想法。

所有的nw文檔都將被寫入IndexWriter ，最好由RAMDirectory創建，它將不會經常關閉。 （要保留此內存索引，您可能必須偶爾將其刷新到磁盤。）

您將在要創建單個IndexReader的磁盤上有一些索引。 可以在這些閱讀器的頂部創建一個MultiReader和一個Searcher。 讀者之一將來自內存索引。

以固定的時間間隔（例如幾秒鍾），您將從MultiReader中刪除當前的Reader，從IndexWriter獲取新的Reader，並使用一組新的Reader構建構造MultiReader / Searcher。

根據Lucid Imagination的文章（上面有鏈接），他們嘗試了每秒寫入50個文檔，而速度沒有很大的下降。