Lucene实现SearchManager近实时搜索

lucene通过NRTManager这个类来实现近实时搜索，所谓近实时搜索即在索引发生改变时，通

过线程跟踪，在相对很短的时间反映给给用户程序的调用

NRTManager通过管理IndexWriter对象，并将IndexWriter的一些方法（增删改）例如

addDocument,deleteDocument等方法暴露给客户调用，它的操作全部在内存里面，所以如果

你不调用IndexWriter的commit方法，通过以上的操作，用户硬盘里面的索引库是不会变化的，所

以你每次更新完索引库请记得commit掉，这样才能将变化的索引一起写到硬盘中，实现索引更新后的同步

用户每次获取最新索引（IndexSearcher），可以通过两种方式，第一种是通过调用

NRTManagerReopenThread对象，该线程负责实时跟踪索引内存的变化，每次变化就调用

maybeReopen方法，保持最新代索引，打开一个新的IndexSearcher对象，而用户所要的

IndexSearcher对象是NRTManager通过调用getSearcherManager方法获得SearcherManager对

象，然后通过SearcherManager对象获取IndexSearcher对象返回个客户使用，用户使用完之

后调用SearcherManager的release释放IndexSearcher对象,最后记得关闭NRTManagerReopenThread；

第二种方式是不通过NRTManagerReopenThread对象，而是直接调用NRTManager的

maybeReopen方法来获取最新的IndexSearcher对象来获取最新索引

一：单独使用SearchManager

1.// 实现近实时搜索//所以就不通过Indexread来创建search

private SearcherManager manager;//是线程安全的

2.在构造方法中实现SearchManager

// 创建SearcherManage
manager = new SearcherManager(directory, new SearcherWarmer() {
@Override
public void warm(IndexSearcher arg0) throws IOException {
System.out.println("索引改变了...");
}
}, Executors.newCachedThreadPool());

3.在检索的query方法中

// 获得一个search
IndexSearcher search = manager.acquire();

4./*

* maybeReopen会自动检查是否需要重新打开

* 比如重复执行search02几次，中间一次删除一条数据

* 这个删除的数据需要对writer进行commit才行

* 那么使用maybeReopen就可以检测到硬盘中的索引是否改变

* 并在下次查询的时候把删除的这条给去掉

*/

manager.maybeReopen();

5.通过SearchManager关闭search

finally {
try {
// 通过manager关闭search
manager.release(search);
} catch (IOException e) {
e.printStackTrace();
}

6.对索引操作时记得

writer.deleteDocuments(new Term("id", "1"));
// 使用SearchManage需要对writer进行commit
writer.commit();

package org.itat.index;

import java.io.File;
import java.io.IOException;
import java.util.concurrent.Executors;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.NumericField;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.SearcherManager;
import org.apache.lucene.search.SearcherWarmer;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.store.LockObtainFailedException;
import org.apache.lucene.util.Version;

/**
* 只使用SearcherManager，不使用NRTManager
*
* SearcherManager的maybeReopen会自动检查是否需要重新打开，比如重复执行search02几次，
* 中间的一次删除一条数据这个删除的数据需要对writer进行commit才行，这样硬盘上的索引才会生效
* 那么使用maybeReopen就可以检测到硬盘中的索引是否改变，并在下次查询的时候就进行生效
*
* 但是：
* 光使用SearcherManager的话做不到实时搜索，为什么呢？
* 因为使用SearcherManager需要进行writer.commit才会检测到，但是我们知道writer的commit是非常
* 消耗性能的，我们不能经常性的commit，那需要怎么做呢？
* 我们只能把添加修改删除的操作在内存中生效，然后使用内存中的索引信息并且在搜索时能起到效果，
* 过一段时间累计到一定程序才进行writer.commit
*/
public class IndexUtil1 {
private String[] ids = {"1","2","3","4","5","6"};
private String[] emails = {"aa@itat.org","bb@itat.org","cc@cc.org","dd@sina.org","ee@zttc.edu","ff@itat.org"};
private String[] contents = {
"welcome to visited the space,I like book",
"hello boy, I like pingpeng ball",
"my name is cc I like game",
"I like football",
"I like football and I like basketball too",
"I like movie and swim"
};
private int[] attachs = {2,3,1,4,5,5};
private String[] names = {"zhangsan","lisi","john","jetty","mike","jake"};
private Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
private SearcherManager mgr = null;//是线程安全的

private Directory directory = null;

public IndexUtil1() {
try {
directory = FSDirectory.open(new File("D:\\Workspaces\\realtime\\index"));
mgr = new SearcherManager(
directory,
new SearcherWarmer() {
/**
* 索引一更新就要重新获取searcher，那获取searcher的时候就会调用这个方法
* 执行maybeReopen的时候会执行warm方法,在这里可以对资源等进行控制
*/
@Override
public void warm(IndexSearcher search) throws IOException {
System.out.println("has change");
}
},
Executors.newCachedThreadPool()
);
} catch (IOException e) {
e.printStackTrace();
}
}

/**
* 删除索引数据,默认不会完全删除，被放入索引回收站
*/
public void delete(String id) {
IndexWriter writer = null;

try {
writer = new IndexWriter(directory,
new IndexWriterConfig(Version.LUCENE_35,analyzer));
//参数是一个选项，可以是一个Query，也可以是一个term，term是一个精确查找的值
//此时删除的文档并不会被完全删除，而是存储在一个回收站中的，可以恢复
//执行完这个操作，索引文件夹下就会多出一个名叫_0_1.del的文件，也就是删除的文件在这个文件中记录了
writer.deleteDocuments(new Term("id",id));
writer.commit();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (LockObtainFailedException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if(writer!=null) writer.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
}

public void query() {
try {
IndexReader reader = IndexReader.open(directory);
//通过reader可以有效的获取到文档的数量
System.out.println("numDocs:"+reader.numDocs());//存储的文档数//不包括被删除的
System.out.println("maxDocs:"+reader.maxDoc());//总存储量,包括在回收站中的索引
System.out.println("deleteDocs:"+reader.numDeletedDocs());
reader.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
/**
*	索引文件后缀为.fmn为保存的是域的名称等
* .fdt和.fdx保存的是Store.YES的信息，保存域里面存储的数据
* .frq表示这里的域哪些出现多少次，哪些单词出现多少次，
* .nrm存储一些评分信息
* .prx存储一些偏移量等
* .tii和.tis专门存储索引里面的所有内容信息
*/
public void index() {
IndexWriter writer = null;
try {
//在2.9版本之后,lucene的就不是全部的索引格式都兼容的了,所以在使用的时候必须写明版本号
writer = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_35, analyzer));
writer.deleteAll();//清空索引
Document doc = null;
for(int i=0;i<ids.length;i++) {
doc = new Document();
doc.add(new Field("id",ids[i],Field.Store.YES,Field.Index.NOT_ANALYZED_NO_NORMS));
doc.add(new Field("email",emails[i],Field.Store.YES,Field.Index.NOT_ANALYZED));
doc.add(new Field("email","test"+i+"@test.com",Field.Store.YES,Field.Index.NOT_ANALYZED));
doc.add(new Field("content",contents[i],Field.Store.NO,Field.Index.ANALYZED));
doc.add(new Field("name",names[i],Field.Store.YES,Field.Index.NOT_ANALYZED_NO_NORMS));
//存储数字
//NumberTools.stringToLong("");已经被标记为过时了
doc.add(new NumericField("attach",Field.Store.YES,true).setIntValue(attachs[i]));
String et = emails[i].substring(emails[i].lastIndexOf("@")+1);
writer.addDocument(doc);
}
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (LockObtainFailedException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if(writer!=null)writer.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
}

public void search02() {
IndexSearcher searcher = mgr.acquire();//获得一个searcher
try {
/**
* maybeReopen会自动检查是否需要重新打开
* 比如重复执行search02几次，中间一次删除一条数据
* 这个删除的数据需要对writer进行commit才行
* 那么使用maybeReopen就可以检测到硬盘中的索引是否改变
* 并在下次查询的时候把删除的这条给去掉
*/
mgr.maybeReopen();
TermQuery query = new TermQuery(new Term("content","like"));
TopDocs tds = searcher.search(query, 10);
for(ScoreDoc sd:tds.scoreDocs) {
Document doc = searcher.doc(sd.doc);
System.out.println(doc.get("id")+"---->"+
doc.get("name")+"["+doc.get("email")+"]-->"+doc.get("id")+","+
doc.get("attach")+","+doc.get("date")+","+doc.getValues("email")[1]);
}
searcher.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally{
try {
mgr.release(searcher);//释放一个searcher
} catch (IOException e) {
e.printStackTrace();
}
}
}

}

二：使用NRTManager+ManagerSearch

package org.itat.index;

import java.io.File;
import java.io.IOException;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.NumericField;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.NRTManager;
import org.apache.lucene.search.NRTManagerReopenThread;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.SearcherManager;
import org.apache.lucene.search.SearcherWarmer;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.store.LockObtainFailedException;
import org.apache.lucene.util.Version;

/**
* SearcherManager和NRTManager联合使用
*
* SearcherManager的maybeReopen会自动检查是否需要重新打开，比如重复执行search02几次，
* 中间的一次删除一条数据这个删除的数据需要对writer进行commit才行，这样硬盘上的索引才会生效
* 那么使用maybeReopen就可以检测到硬盘中的索引是否改变，并在下次查询的时候就进行生效
*
* 但是：
* 光使用SearcherManager的话做不到实时搜索，为什么呢？
* 因为使用SearcherManager需要进行writer.commit才会检测到，但是我们知道writer的commit是非常
* 消耗性能的，我们不能经常性的commit，那需要怎么做呢？
* 我们只能把添加修改删除的操作在内存中生效，然后使用内存中的索引信息并且在搜索时能起到效果，
* 过一段时间累计到一定程序才进行writer.commit
* NRTManage就是这样的功能,把更新的数据存储在内容中，但是lucene搜索的时候也可以搜索到，需要
* writer进行commit才会把索引更新到硬盘中
*/
public class IndexUtil2 {
private String[] ids = {"1","2","3","4","5","6"};
private String[] emails = {"aa@itat.org","bb@itat.org","cc@cc.org","dd@sina.org","ee@zttc.edu","ff@itat.org"};
private String[] contents = {
"welcome to visited the space,I like book",
"hello boy, I like pingpeng ball",
"my name is cc I like game",
"I like football",
"I like football and I like basketball too",
"I like movie and swim"
};
private int[] attachs = {2,3,1,4,5,5};
private String[] names = {"zhangsan","lisi","john","jetty","mike","jake"};
private Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
private SearcherManager mgr = null;//是线程安全的
private NRTManager nrtMgr = null;//near real time  近实时搜索
private Directory directory = null;
private IndexWriter writer = null;

public IndexUtil2() {
try {
directory = FSDirectory.open(new File("D:\\Workspaces\\realtime\\index"));
writer = new IndexWriter(directory,new IndexWriterConfig(Version.LUCENE_35, analyzer));
nrtMgr = new NRTManager(writer,
new SearcherWarmer() {
/**
* 索引一更新就要重新获取searcher，那获取searcher的时候就会调用这个方法
* 执行maybeReopen的时候会执行warm方法,在这里可以对资源等进行控制
*/
@Override
public void warm(IndexSearcher search) throws IOException {
System.out.println("has open");
}
}
);
//启动NRTManager的Reopen线程
//NRTManagerReopenThread会每隔25秒去检测一下索引是否更新并判断是否需要重新打开writer
NRTManagerReopenThread reopen = new NRTManagerReopenThread(nrtMgr, 5.0, 0.025);//0.025为25秒
reopen.setDaemon(true);//设为后台线程
reopen.setName("NrtManager Reopen Thread");
reopen.start();

mgr = nrtMgr.getSearcherManager(true);//true为允许所有的更新
} catch (IOException e) {
e.printStackTrace();
}
}

/**
* 删除索引数据,默认不会完全删除，被放入索引回收站
*/
public void delete(String id) {

try {
//参数是一个选项，可以是一个Query，也可以是一个term，term是一个精确查找的值
//此时删除的文档并不会被完全删除，而是存储在一个回收站中的，可以恢复
//执行完这个操作，索引文件夹下就会多出一个名叫_0_1.del的文件，也就是删除的文件在这个文件中记录了
nrtMgr.deleteDocuments(new Term("id",id));//使用使用nrtMgr来删除
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (LockObtainFailedException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}

public void query() {
try {
IndexReader reader = IndexReader.open(directory);
//通过reader可以有效的获取到文档的数量
System.out.println("numDocs:"+reader.numDocs());//存储的文档数//不包括被删除的
System.out.println("maxDocs:"+reader.maxDoc());//总存储量,包括在回收站中的索引
System.out.println("deleteDocs:"+reader.numDeletedDocs());
reader.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
/**
*	索引文件后缀为.fmn为保存的是域的名称等
* .fdt和.fdx保存的是Store.YES的信息，保存域里面存储的数据
* .frq表示这里的域哪些出现多少次，哪些单词出现多少次，
* .nrm存储一些评分信息
* .prx存储一些偏移量等
* .tii和.tis专门存储索引里面的所有内容信息
*/
public void index() {
IndexWriter writer = null;
try {
//在2.9版本之后,lucene的就不是全部的索引格式都兼容的了,所以在使用的时候必须写明版本号
writer = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_35, analyzer));
writer.deleteAll();//清空索引
Document doc = null;
for(int i=0;i<ids.length;i++) {
doc = new Document();
doc.add(new Field("id",ids[i],Field.Store.YES,Field.Index.NOT_ANALYZED_NO_NORMS));
doc.add(new Field("email",emails[i],Field.Store.YES,Field.Index.NOT_ANALYZED));
doc.add(new Field("email","test"+i+"@test.com",Field.Store.YES,Field.Index.NOT_ANALYZED));
doc.add(new Field("content",contents[i],Field.Store.NO,Field.Index.ANALYZED));
doc.add(new Field("name",names[i],Field.Store.YES,Field.Index.NOT_ANALYZED_NO_NORMS));
//存储数字
//NumberTools.stringToLong("");已经被标记为过时了
doc.add(new NumericField("attach",Field.Store.YES,true).setIntValue(attachs[i]));
String et = emails[i].substring(emails[i].lastIndexOf("@")+1);
writer.addDocument(doc);
}
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (LockObtainFailedException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if(writer!=null)writer.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
}

public void search02() {
IndexSearcher searcher = mgr.acquire();//获得一个searcher
try {
/**
* maybeReopen会自动检查是否需要重新打开
* 比如重复执行search02几次，中间一次删除一条数据
* 这个删除的数据需要对writer进行commit才行
* 那么使用maybeReopen就可以检测到硬盘中的索引是否改变
* 并在下次查询的时候把删除的这条给去掉
*/
TermQuery query = new TermQuery(new Term("content","like"));
TopDocs tds = searcher.search(query, 10);
for(ScoreDoc sd:tds.scoreDocs) {
Document doc = searcher.doc(sd.doc);
System.out.println(doc.get("id")+"---->"+
doc.get("name")+"["+doc.get("email")+"]-->"+doc.get("id")+","+
doc.get("attach")+","+doc.get("date")+","+doc.getValues("email")[1]);
}
searcher.close();
} catch (CorruptIndexException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally{
try {
mgr.release(searcher);//释放一个searcher
} catch (IOException e) {
e.printStackTrace();
}
}
}

}