如果要并行化索引,可以执行以下两项操作:
- 并行化对adddocument的调用,
- 增加您的合并调度程序的最大线程数。
您可以并行处理对adddocuments的调用,但是随着需要索引的文档数量的增加,每个文档产生一个线程将无法扩展。您应该使用固定大小的ThreadPoolExecutor。由于此任务主要是CPU密集型(取决于分析仪和检索数据的方式),因此将计算机的CPU数量设置为最大线程数可能是一个不错的开始。
关于合并调度程序,您可以增加可与ConcurrentMergeScheduler的setMaxThreadCount方法一起使用的最大线程数。请注意,磁盘在顺序读取/写入方面比随机读取/写入要好得多,因此,为合并调度程序设置的最大最大线程数可能会降低索引编制的速度,而不是加快索引编制的速度。
但是在尝试并行化索引过程之前,您可能应该尝试找到瓶颈所在。如果磁盘速度太慢,则可能是刷新的瓶颈,因此合并步骤将导致并行调用adddocument(本质上包括分析文档并将分析结果缓存在内存中)不会提高索引速度完全没有
一些注意事项:
Lucene的开发版本中正在进行一些工作,以改善索引并行性(尤其是冲洗部分,此博客文章解释了其工作原理)。
Lucene在如何提高索引速度方面有一个不错的Wiki页面,您将找到其他提高索引速度的方法。



