BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

Lucene 3.5和Solr 3.5:大幅降低内存用量、SearcherManager和深度分页支持

| 作者 Bienvenido David III 关注 0 他的粉丝 ,译者 郑柯 关注 3 他的粉丝 发布于 2012年2月3日. 估计阅读时间: 8 分钟 | AICon 关注机器学习、计算机视觉、NLP、自动驾驶等20+AI热点技术和最新落地成功案例。

Lucene项目管理委员会宣布Apache Lucene 3.5.0和Apache Solr 3.5.0已经可以使用。Lucene是一个高性能、支持全文搜索的文本搜索开发库。Solr是一个独立的搜索服务器,其核心使用了Lucene来做索引和搜索。

Lucene 3.5.0版本的主要变化包括:

  • 降低内存消耗。现在建立词汇索引需要的内存比以前降低了3到5倍,实现这一点,是使用了更有效的内存数据结构来保存词汇。
  • 深度分页支持。加入IndexSearcher.searchAfter方法,它在特定的ScoreDoc之后会返回结果。你可以将上一页的最后一个document传递给searchAfter方法,以得到下一页的结果。
  • SearcherManager。加入了org.apache.lucene.search.SearcherManager类,简化了在多个搜索线程中对IndexSearcher的分享和重新开启。底层的IndexReader实例如果不再被引用,可以安全关闭,其中使用了IndexReader的引用计数。还使用了获取方法来取得一个IndexSearcher,还有释放方法来关闭取得的IndexSearcher。
  • SearcherLifetimeManager。加入了org.apache.lucene.search.SearcherLifetimeManager类,提供跨越多个请求的索引的统一视图。它简化了服务多个请求的同一个IndexSearcher实例的使用,在分页或上下钻取搜索结果时,有更好的用户体验。
  • IndexWriter.optimize()弃用。IndexWriter.optimize方法不再使用,并被重新命名为forceMerge。这么做,是不再鼓励使用该方法,因此它的操作成本很高,而且只能在静态索引上使用。
  • IndexReader.reopen()重命名。IndexWriter.reopen方法替代为openIfChanged。如果索引没有变化,IndexReader.openIfChanged会返回null。一般来说,相对开启新的IndexReader,该方法成本更低。
  • NGramPhraseQueryorg.apache.lucene.search.NGramPhraseQuery是PhraseQuery类,针对n-gram模型的查询做了优化。当使用n-gram分析时,可以加速查询速度30%-50%。

可以访问Lucene 3.5发布说明来了解完整的变更列表。

Solr 3.5.0的主要变化有:

  • Lucene 3.5.0。来自Lucene 3.5.0的缺陷修复和改进,主要是保持词汇索引需要的内存数量大幅减少。
  • 分布式结果分组。支持分布式搜索结果分组,也被称为field collapsing。该特性限制了每“组”展示的文档数目,作为一个字段的唯一值定义,现在支持分布式搜索。
  • 语言检测。新的模块“langid”加入了在索引前检测文档语言的能力,以辅助正确决策。使用了Apache Tika的LanguageIdentifier 或Cybozu的语言检测程序库,作为UpdateRequestProcessor实现。
  • 支持数字类型的sortMissingFirst和sortMissingLast。包括Trie在内的数字类型和日期类型现在支持sortMissingFirst和sortMissingLast。
  • HunspellStemmerFilter。添加对Lucene的HunspellStemmerFilter支持,这样就可以支持90种语言的stemming词根缩减功能。Hunspell本来是一个高级的拼写检查库,它因为用于OpenOffice套件而出名,现在在Solr中使用,提供stemming词根缩减。
  • hl.q参数。加入了可选的hl.q参数,如果给定值,在Highlighter(HighlightComponent类)中会重写q参数。

可以访问Solr 3.5发布说明来了解完整的变更列表。

Yonik Seeley是Apache Solr的创始人,同时也是Lucid Imagination的首席开源架构师和联合创始人,他回答了InfoQ针对本次Lucene和Solr发布的一些问题。

InfoQ:对于大部分Lucene和Solr的用户来说,这次发布能够让他们马上用起来的有哪些功能?

Yonik Seeley:Lucene和Solr的用户可以受益于词汇索引大幅减少的内存用量、改进后的向量强调(vector highlighting)等等。Solr还加入了对分布式分组的支持,提供针对缺少首值或末值的数字字段排序的能力。Lucene还加入了对深度分页的优化。

InfoQ:您是否推荐开发人员使用默认的新SearcherManager

Yonik Seeley:对于刚刚开发基于Lucene的项目的人来说,用新的Lucene SearcherManager是个好的开始,但是没必要把正常使用的自定义搜索的manager代码迁移过来。对于Solr的用户,searcher的管理从一开始就是内部实现的细节了。

InfoQ:Lucene和Solr 3.6有什么计划?

Yonik Seeley:在开源软件中很难说,因为没有正式的路线图。大部分的重大突破都发生在主干代码中,发布时自然就是4.0了。Lucene已经完全更新了对索引机制,支持codec。Solr正在逐步转向使用NoSQL data store,使用更先进的分布式索引功能。

InfoQ:我们什么时候才能看到带有NRT功能的Solr正式版发布?

Yonik Seeley:LucidWorks是我们的Apache Solr的商业版本,基于主干代码的稳定版本(4.0-dev),具备NRT功能。至于这个功能何时移植回Solr 3.x,现在还不清楚。Lucene和Solr 4.0版本应该在2012年某个时候发布。

想对它们有所了解,您可以从Apache的镜像站点下载Lucene 3.5Solr 3.5。Maven的用户要使用Lucene,其groupId为org.apache.lucene,artifactId模式为lucene-*,版本是3.5.0。您也可以订阅LuceneSolr的邮件列表获取最新信息。

查看英文原文:Lucene 3.5 and Solr 3.5 - Substantial RAM Reduction, SearcherManager, Deep Paging Support

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

"IndexReader.reopen()重命名。IndexWriter.reopen方法替代为openIfChanged" 这里写错了吧? by 温 志宏

这里的IndexWriter.reopen应该是IndexReader.reopen吧.

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

1 讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT