badonly的专栏

操作系统都会限制一个进程同时打开文件的最大数量，通常linux默认的是1024.lucene有可能会导致“Too many open files”的异常，这取决于你是否正确使用lucene。 1.总是要确保打开的文件句柄关闭掉，特别是出现错误的情况，捕获该异常，并在finally块释放持有的文件句柄。请记住，java没有拆构器，不要在finalize方法里处理文件句柄，该方法不会确保都被执行...

没优化之前的索引文件包含了一系列的文件，其中每个文件的功能对应如下。 1.segments_* 文件描述一组索引的参数，使用头文件固定格式描述后面的内容，包括每个独立新建索引的大小、属性等。 2.Fnm文件是索引域的描述文件，一个独立的索引（PerIndex）叫做一个Segment（索引段），一个fnm文件描述了本索引的File数，各个Field的属性编号。 3.fdx文件是文档...

[code="java"]import java.io.IOException; import org.apache.lucene.analysis.Token; import org.apache.lucene.index.Payload; /** * TokenStream用来分析文字流，按一定的规则罗列token,在lucene有字节流是即将要索引的文本，或者查询的关键字。...

1.同一个索引目录，IndexWriter和IndexReader确保要唯一，他们两个都是线程安全的，可以被多个线程调用。 让专门的类去管理（实例化和销毁）IndexWriter和IndexReader。 2.尽量减少不必要的储存，只储存哪些要在返回结果里的字段，不需要检索的内容就不要建索引。索引太大了，对更新索引的效率都会有影响。 3.不要强制kill建索引的程序，强制kill很有可...

实例化IndexReader需要加载索引文件，所以实例化它是非常耗资源的。 IndexReader是线程安全的，通常一个索引目录，我们只实例化一个IndexReader就够了。 当索引数据足够大（G的数量级）的时候，一般把索引资源按照某种规则散列到多个文件目录里（如：index-0,index-1,index-2.... 或者 blog,posts....），当然这些文件目录应该放在同...

Nutch是一个完整的开源全文检索软件，它是建立在lucene java之上增加，增加了一些web特性, 如网络爬虫,link-graph数据库,HTML文本解析和其他格式文档解析,等等。 [b][size=large]下载nutch[/size][/b] 1.选择安装nutch的目录，我就直接安装到/home/admin下 [code="java"][root@search-te...

[img]http://dl.iteye.com/upload/attachment/241398/dd68339b-af94-3845-bfdd-14af6019ddb3.jpg[/img]