关于Lucene索引工具的性能优化研究

《关于Lucene索引工具的性能优化研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第21卷第5期2011年5月计算机技术与发展COMPUTERTECHNOLOGYANDDEVELOPMENT关于Lucene索引工具的性能优化研究张春燕，刘发升（江西理工大学信息工程学院，江西赣州341000）摘要:随着计算机的发展，为了能更好地搜索到所需的内容，全文检索引擎已经变得越来越飯要。Scene作为当前最流行的开源Java索引工具包，索引性能的提升是非常关键也是值得研究的，同时索引过程快慢是衡曲一个搜索引擎的車耍指标。在Java的基础匕，通过更改Lucene提供的内锐参数来适应不同计算机的硬件达到

2、性能调节的作用。其次,更足提出了一种修改源代码的方法，主要是对Hits进行改进，提出了一种在结果非常多的怖况下加速査询的方法，通过对索引过程和Hil结果集进行炳方面的设置和改进达到性能提高的双朿效果。仿真实验结果表明该改进方法不仅提岛了索引工具性能的优化，同时滅少了负戟'通过这阴方面的改进，可以使Lucene开发的捜索引箏达到更高的效率。关键词:搜索引擎;Lucene；索引；Hits中图分类号:TP3I1文献标识码：A文章编号：1673-629X（2011）05-0121-03LuceneIndexingT

3、oolsResearchBasedonOptimizationofPerformanceZHANGChun-yan丄IUFa-shcng(CollegeofJnfo.Eng.9JiangxiUniversityofScienceandTechnology9Ganzhou341000fChina)Abstract：Withthedevelopmentofthecomputertinordertobettersearchtothedesiredcontent9full-textsearchengineshave

4、becomeincreasinglyimportant.LuceneasthemostpopularopensourceJavatoolkiiindex9theindexiscriticaltoenhanceperformanceisworthyofstudy9whilethespeedoftheindexingprocessisanimportantmeasureofasearchengineindexes・BasedonJava.Luceneprovidedbychangingthebuilt-inpa

5、rameterstoadapttodifferentcomputerhardwaretotheroleofperformancetuning.Secondlytproposedamethodofmodifyingthesourcecode,mainlyforHitstoimprovetalotofcasesintheresultstoacceleratethequerymethod,theresultsoftheindexingprocessandHitbothsetsofsettingsandimprov

6、ementtothedualeffectofimprovingperformance.Thesimulationresultsshowthattheimprovedmethodnotonlyimprovestheoptimizationperformanceindextoolfwhilereducingtheload.Thesetwoimprovements,canmakeLucenesearchenginedevelopedtoachievehigherefficiency.Keywords:search

7、engine;Lucene;index:Hits0引言说到底搜索引華的原理是很简单的，在J2se中就知道如何在一篇String类型组成的文本进行正则表达式的匹配工作，或者使用String类型的indexOf方法去寻找要搜索的内容。这个方法对于一两篇文章来说是可行的。因为就算去搜索10篇文章也不会使用掉太多的时间。可是现在，如果冇50亿篇文章去搜索的话，那么这种方式就变得极为不可行了。可能每查找一次都要用掉几十个小时。于是采用另外一种方法,那就是使用索引。收稿日期：2010-11-03;修回日期：2011-0

8、1-23基金项目：江西省科技攻关项目（㈱财教!2005]132号）；江西省教育科技计划项目（GJJ08283）作者简介：张春燕（1987・），女，江西瞰州人.硕士研究生，研究方向为数据挖掘9数据库；刘发升，教授•博上，研究方向为数据挖掘与数据库°搜索引繁貌似很复杂，实际上核心就是这个索引。索引的结构很简单，类似一张数据库表⑴。基本结构就足:第一个字段是keyword,第二个字段是在出现了keyword的文章的标题