Java，Lucene：通过保存的 Id 获取文档，然后更新其中一个字段答案

【问题标题】：Java, Lucene : Get document by saved Id and then update one of it's fieldJava，Lucene：通过保存的 Id 获取文档，然后更新其中一个字段
【发布时间】：2017-07-04 23:19:36
【问题描述】：

我们正在创建一个 Spring-MVC 应用程序，其中我们使用 Lucene 进行文本索引和搜索。我将对象的 ID 连同它一起保存，以便稍后检索关联的 Java 对象。如何获取具有已保存 ID 的文档并更新手动设置的字段。我知道如何搜索给定的文本，但没有针对单个文档的特定内容。谢谢。

保存代码：

// retrieve from the ID below
            doc.add(new StringField("id", String.valueOf(objectId), Field.Store.YES));
// Update the Integer count below
 LegacyIntField intField = new LegacyIntField("score",0,Field.Store.YES);
                    intField.setIntValue(1);
                    doc.add(intField);

当前更新代码：

 Path path = Paths.get(OUR_PATH);
                    Directory index_dir = FSDirectory.open(path);

                    IndexWriter writer = new IndexWriter(index_dir, new IndexWriterConfig(new StandardAnalyzer()));
                    IndexReader reader = DirectoryReader.open(writer);

谢谢。

【问题讨论】：

标签： java lucene

【解决方案1】：

首先lucene不支持更新单个字段，因此尝试隔离和优化单个字段的更新过程没有任何好处。

基本上你正在寻找的是一种方法：

加载之前被索引的原始文档（Lucene 未提供开箱即用的功能）
以及更新现有文档的方法（这是IndexWriter.updateDocument）

如果 lucene 索引不是主数据存储，您应该使用主数据存储来获取文档集新值，然后用伪代码重新索引整个文档：

public void updateField(String docId, int newFieldvalue) {
    MyDataObject data = primaryDataStore.fetch(docId);
    data.setFieldValue(newFieldValue);
    primaryDataStore.save(data);
    updateIndex(data);
}

public void updateIndex(MyDataObject object) {
    // convertToLucene is more or less the code in the
    // first snippet of your question 
    Document d = convertToLucene(object);
    // IndexWriter should be created once
    // IndexWriter.updateDocument will internally delete and index 
    // the document
    this.writer.updateDocument(new Term("id", object.getId()), d);
    // potentially call writer.commit()
}

如果 lucene 是您的主要数据存储，它会更复杂，我强烈建议（如果还不算太晚的话）使用 solr 或 elasticsearch，它们提供了一个很好的 REST API，使 lucene 更像一个文档存储。您必须考虑到 lucene 不是“开箱即用”的文档数据存储。如果您想使用 lucene 作为主数据存储，您可以使用您选择的格式（JSON、二进制序列化...）将文档存储在存储字段中。

要获取文档，您必须对使用 TermQuery 创建的字段“id”执行搜索查询，使用收集器或 TodDocs，然后在 IndexReader 或 IndexSearcher 上调用 document(int luceneDocId) 以用伪代码获取存储的字段（替换之前sn-p中使用的primaryDataStore.fetch(docId)的方法）：

public MyDataObject fetchFromLucene(String docId) {
     IndexSearcher searcher = getSearcher();
     TopDocs docs = searcher.search(new TermQuery(new Term("id", docId)), 1);
     if (docs.totalHits > 0) {
         Document d = searcher.document(docs.scoreDocs[0].doc);
         // "document_data" is a binary field you'll have to add
         // on every lucene docs where you put a serialized version
         // of your domain object.
         return deserialize( d.getBinaryValue("document_data") );
     }
     return null;
}

public MyDataObject deserialize(ByteRef data) {
    // a method to deserialize binary data into MyDataObject
    return deserializedData;
}

简而言之，如果您想直接将 lucene 作为主数据存储来处理，您最终会编写大量样板代码。请注意，您必须自己管理许多低级 lucene 方面，例如以高效的方式刷新您的 IndexReaders。

【讨论】：