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

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。
• NGramPhraseQuery。 org.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 3.5 和 Solr 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 Lucene 和 Solr 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