使用 Spring Data JPA 进行休眠搜索质量索引

Question

我有一个刚刚转换为 Spring Data JPA 的项目。该项目使用 Hibernate Search，我需要一种方法来索引数据库中现有的（约 1500 万条）记录。

由于我要处理如此大量的记录，我不能使用 Hibernate Search 的 MassIndexer，因为这会导致内存不足的问题。

根据我读到的内容（这里：http://docs.jboss.org/hibernate/search/4.2/reference/en-US/html/manual-index-changes.html#search-batchindex），建议的方法是这样的：

fullTextSession.setFlushMode(FlushMode.MANUAL);
fullTextSession.setCacheMode(CacheMode.IGNORE);
transaction = fullTextSession.beginTransaction();
//Scrollable results will avoid loading too many objects in memory
ScrollableResults results = fullTextSession.createCriteria( Email.class )
    .setFetchSize(BATCH_SIZE)
    .scroll( ScrollMode.FORWARD_ONLY );
int index = 0;
while( results.next() ) {
    index++;
    fullTextSession.index( results.get(0) ); //index each element
    if (index % BATCH_SIZE == 0) {
        fullTextSession.flushToIndexes(); //apply changes to indexes
        fullTextSession.clear(); //free memory since the queue is processed
    }
}
transaction.commit();

但是，我想注入我在 Spring 中配置的实体管理器。

我读到我可以通过在实体管理器上使用getDelegate() 方法来获取 Hibernate 会话，但这会导致一个错误，指出一旦我尝试在会话：

public void reindexListings() throws InterruptedException {

   Session session = (Session) em.getDelegate();

   FullTextSession fts = Search.getFullTextSession(session);

   try {
      fts.setFlushMode(FlushMode.MANUAL);
   } catch (Exception e) {
      // Throws stack trace here stating that the Hibernate session is closed.
      e.printStackTrace();
   }

   fts.setCacheMode(CacheMode.IGNORE);
   Transaction transaction = fts.beginTransaction();

   // Scrollable results will avoid loading too many objects in memory
   ScrollableResults results = fts.createCriteria(EListing.class)
         .setFetchSize(25).scroll(ScrollMode.FORWARD_ONLY);
   int index = 0;
   while (results.next()) {
      index++;
      fts.index(results.get(0)); // index each element
      if ((index % 25) == 0) {
         fts.flushToIndexes(); // apply changes to indexes
         fts.clear(); // free memory since the queue is processed
      }
   }

   transaction.commit();

}

我还读到我可以使用HibernateUtil 来获取会话（http://www.17od.com/2006/11/06/using-managed-sessions-in-hibernate-to-ease-unit-testing/），但同样，这并没有使用我的实体管理器。

不确定到目前为止我是否走在正确的轨道上，或者我是否需要以完全不同的方式来做这件事，但到目前为止我发现的任何东西似乎都不起作用。

Answer 1

MassIndexer 专为大量数据而设计，不会导致内存不足问题。

如果您使用的是 MySQL，您是否注意到参考上的警告：

MassIndexer 使用仅向前滚动的结果来迭代 要加载的主键，但 MySQL 的 JDBC 驱动程序将加载所有 内存中的值；为避免这种“优化”，请将 idFetchSize 设置为 整数.MIN_VALUE。

如果这不是问题，请尝试将 MassIndexer 选项设置为不太激进的值：

fullTextSession.createIndexer()
   .threadsForSubsequentFetching( X )
   .threadsToLoadObjects( Y )
   .batchSizeToLoadObjects( Z )
   .progressMonitor( progressMonitor )
   .startAndWait();

或者只是将你的堆大小调整为更大的值：重新索引所有这些东西需要时间，所以如果你能给它更多的内存，它会显着提高效率。

使用 MassIndexer.limitIndexedObjectsTo(long) 来试验不同的值，但请记住，至少需要 15 分钟才能达到平均性能。