談談lucene的數據域合併

記得一年前寫了談談lucene的數據域存儲，主要說明了數據域的存儲結構和壓縮，而這裏主要說明多個數據段中數據域的合併。

一種最樸素的合併方法是將每一個數據段中的document讀取出來，而後從新寫成一個新的數據段。固然lucene採用了更加「靈活」的方法，而這種樸素的合併方法也只有當不一樣的lucene版本進行合併時才使用。實際上lucene真正合並時有三種方式：

一、第一種爲needsIndexSort屬性爲true時的寫入方式（因爲對該屬性暫時未研究，所以放到之後進行分析）；

二、當數據段採用了相同的壓縮算法，每一個段中的chunkSize相同而且沒有更新數據時，能夠將整個段中的數據直接複製到當前的數據段中，這也是最快的方式；這裏有個注意事項，因爲每一個數據段中一般最後一個數據塊是寫不滿的（lucene中稱之爲髒塊），當髒塊的數量超過必定限度時，是不能直接按照該方式進行合併的！

三、若是不知足第二個條件，此時就須要從每一個數據段中將document讀取出來，而後再寫入，可是lucene記錄了每條數據的文件指針，因此在讀取時並無解析數據類型，而是直接複製字節數組。

    最後從lucene的代碼中也能夠看出，lucene是在數據合併時將更新數據從新寫入新的數據塊中的。