是否可以在Java中使用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 Java 5.0 Web 应用程序，我正在考虑使用 Lucene 3.0 进行全文搜索
2. Lucene 文档将超过 1000K，每个文档有 100 个单词（平均）
3. 新文档必须在创建后立即可搜索（实时搜索）
4. Lucene 文档经常更新名为 quality 的整数字段

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

是否可以获得按可能经常更新的文档字段（质量）之一排序的查询结果（对于已索引的文档）？文档字段的这种更新将不得不触发 Lucene 索引重建？这种重建的表现如何？如何有效地完成它 - 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一定需要重建索引 - 如何有效地对搜索结果进行排序？可能有查询返回大量文档（>50K），因此我认为从 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是效率低下的。

Lucene 3.0 是我在 Java 中的最佳选择还是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

在 Lucene since 2.9 中提供了近乎实时的搜索。 Lucid Imagination 有 an article 关于此功能（在 2.9 版本之前）。基本思想是您现在可以从 IndexWriter 获取 IndexReader。如果您定期刷新此 IndexReader，您可以从 IndexWriter 获得最新的日期更改。

更新：我还没有看到任何代码，但这是大致的想法。

所有nw文档都会写入IndexWriter，最好用RAMDirectory创建，不会经常关闭。 （要持久保存这个内存索引，您可能需要不时将其刷新到磁盘。）

您将在磁盘上有一些索引，将在这些索引上创建各个 IndexReader。可以在这些 Reader 之上创建 MultiReader 和 Searcher。其中一个 Reader 将来自内存索引。

每隔一段时间（比如几秒钟），您将从 MultiReader 中删除当前 Reader，从 IndexWriter 中获取新的 Reader，并使用一组新的 Reader 构建 MultiReader/Searcher。

根据 Lucid Imagination 的文章（如上链接），他们已尝试每秒写入 50 个文档，而没有严重减速。

Answer 2

Lucene API 能够满足您的所有要求，但这并不容易。这是一个相当低级的 API，让它做复杂的事情本身就是一个练习。

我强烈推荐Compass，这是一个建立在 Lucene 之上的搜索/索引框架。除了更友好的 API 之外，它还提供了对象/XML/JSON 映射到 Lucene 索引等功能，以及完全的事务行为。它应该可以满足您的要求，例如事务更新文档的实时排序。

Compass 2.2.0 基于 Lucene 2.4.1 构建，但基于 Lucene 3.0 的版本正在开发中。不过，它已从 Lucene API 中充分抽象出来，因此转换应该是无缝的。