文档提交之flush(三)
Lu Xugang Lv6

  本文承接文档提交之flush(二),继续依次介绍每一个流程点,下面先给出在前面的文章中我们列出的流程图:

图1:

  图1是文档提价之flush的流程图。

图2:

  图2是图1中执行DWPT的doFlush()的流程图流程点的流程图,在文档提交之flush(二)中我们已经介绍了将DWPT中收集的索引信息生成一个段newSegment之前的流程点。

点击查看大图

将DWPT中收集的索引信息生成一个段newSegment的流程图

图3:

  在上面流程图中,可以看出在流程点将DWPT中收集的索引信息生成一个段newSegment实现了所有索引文件的生成,DWPT中包含了生成这些索引文件需要的信息。

处理出错的文档

图4:

  在文档的增删改(四)中我们了解到,删除信息根据不同的删除方式会被记录到BufferedUpdates(全局BufferedUpdates或者DWPT的私有BufferedUpdates)不同的容器中:

  • Map<Term,Integer> deleteTerms
  • Map<Query,Integer> deleteQueries
  • Map<String,LinkedHashMap<Term,NumericDocValuesUpdate>> numericUpdates
  • Map<String,LinkedHashMap<Term,BinaryDocValuesUpdate>> binaryUpdate

  而在两阶段生成索引文件之第一阶段的文章中我们介绍了添加一篇文档的过程,即DWPT收集该文档的索引信息的过程,如果在这个过程中发生任何错误,那么该文档的文档号会记录到DWPT的私有BufferedUpdates(见文档提交之flush(二))中,即存放到下面的容器中:

  • List<Integer> deleteDocIDs = new ArrayList<>();

  执行到该流程点,将deleteDocIDs中所有的文档号写入到FixedBitSet对象中,该对象描述了那些被删除的文档号,在后面的流程中,FixedBitSet中的文档信息会被写入到索引文件.liv中。

生成索引文件

图5:

  这里只简单介绍下生成各个索引文件的先后顺序,其生成过程没啥好写的,只要熟悉每个索引文件的数据结构就行啦。

  不过生成索引文件的过程中,有两个知识点还是要说明下的,一个是Sorter.DocMap对象,另一个是找出部分删除文档的文档号

Sorter.DocMap sortMap

  DocMap是类Sorter的内部类,而sortMap则是在源码中Sorter.DocMap类的一个对象名。

  当我们在生成IndexWriter对象时,可以通过IndexWriterConfig.setIndexSort(Sort)的方法来定义一个排序规则,在生成索引文件的过程中,使得一个段内的所有索引文件中的文档根据该规则进行排序,当然并不是真正的排序,而是生成一个映射关系sortMap(见Collector(三)中的预备知识),sortMap描述了文档之间的顺序。至于为什么要对文档排序,sortMap如何实现映射,并不是本篇文章关心的,在后面的文章中会介绍。

找出部分删除文档的文档号

  在上面的内容中我们知道,BufferedUpdates的多个容器中存放各种删除信息,其中Map<Term,Integer> deleteTerms中存放了根据Term进行删除的删除信息,根据该删除信息,在生成索引文件.tim、.tip.doc.pos、.pay的过程中会找到那些满足删除要求的文档号,随后将这些文档号添加到FixedBitSet(上文介绍了该对象的用途)对象中。

  至于查找过程,这块的内容会跟后面介绍文档查询的文章重复,故这里先不做介绍。

  为什么只找出部分删除文档的文档号,而不是根据BufferedUpdates中所有容器的删除信息找到所有满足删除要求的文档

  • 原因一:先说为什么不根据Map<Query,Integer> deleteQueries容器找出满足删除要求的文档号,由于这是通过一个查询删除(跟在查询阶段,生成一个Query进行查询是一个操作),即查询一个段中文档的操作,而此时该段还没有完全生成结束,故无法实现该操作。至于为什么不根据numericUpdates、binaryUpdate容器找出满足删除要求的文档号,这块的话在后面介绍软删除的文章中会介绍。
  • 原因二: 在自动flush的操作中,允许并发的执行多个DWPT生成段,在当前阶段可以并发的找出被删除的文档号,如果不在此时执行找出部分删除文档的文档号的操作,尽管在后面的流程中也会执行,但是在那个过程中,是串行执行,所以提高了生成段的性能。至于为什么要串行执行,在下面的流程中会说明。

处理软删除文档

图6:

  在上一个流程中,我们知道,有些文档被标记为删除了,而这些文档有可能是软删除的文档,那么软删除文档的个数需要被更新。

清楚删除信息TermNode

图7:

  在前面的流程中,根据Term进行删除的删除信息已经作用(apply)到了当前段,所以需要清除TermNode的信息,以免在后面的流程中重复执行,TermNode描述的删除信息即容器Map<Term,Integer> deleteTerms中的删除信息。

记录所有生成的索引文件

图8:

  记录当前已经生成的索引文件的文件名,因为如果通过IndexWriterConfig.setUseCompoundFile(boolean)设置了使用复合索引文件cfs&&cfe存储文档的索引信息,那么在后面的流程中,在生成完复合索引文件后,需要删除这些索引文件,所以在索引文件之cfs&&cfe的文章的开头部分,我们提到了当使用了复合索引文件后,索引目录中最终保留.cfs、.cfe、.liv.si的索引文件(执行commit()操作之前)。

生成FlushedSegment

图9:

  这里只是为了介绍生成FlushedSegment对象的时机,至于FlushedSegment是干嘛的,在本篇文章中并不重要,在后面的文章中会详细介绍。

生成复合索引文件

图10:

  如果通过IndexWriterConfig.setUseCompoundFile(boolean)设置了使用复合索引文件cfs&&cfe存储文档的索引信息,那么在当前流程点会正式的生成复合索引文件.cfs、.cfe,注意的是此时非复合索引文件还没有被删除,在后面的流程中才会被删除,在后面的文章中会介绍为什么不在这个流程点删除。

生成索引文件.si

图11:

  生成索引文件.si的过程不介绍了,没什么好讲的,了解.si文件的数据结构就行啦。

生成索引文件.liv

图12:

  生成索引文件.liv的过程不介绍了,没什么好讲的,了解.liv文件的数据结构就行啦。

结语

  本篇文章主要介绍了每一种索引文件的生成顺序,强调的是,想要理解Lucene如何实现查询的原理,那么必须了解所有索引文件的数据结构,当然在以后的文章中会介绍其查询原理。

点击下载附件

 BUY ME A COFFEE
 Comments
Comment plugin failed to load
Loading comment plugin