Question

我正在研究的项目是索引一定数量的数据（带有长文本），并将它们与每个区间的单词列表（大约15到30分钟）进行比较。

过了一段时间，比如第35轮，在第36轮开始索引新的数据集时发生了这个错误：

    [ERROR] (2011-06-01 10:08:59,169) org.demo.service.LuceneService.countDocsInIndex(?:?) : Exception on countDocsInIndex: 
    java.io.FileNotFoundException: /usr/share/demo/index/tag/data/_z.tvd (Too many open files)
        at java.io.RandomAccessFile.open(Native Method)
        at java.io.RandomAccessFile.<init>(RandomAccessFile.java:233)
        at org.apache.lucene.store.SimpleFSDirectory$SimpleFSIndexInput$Descriptor.<init>(SimpleFSDirectory.java:69)
        at org.apache.lucene.store.SimpleFSDirectory$SimpleFSIndexInput.<init>(SimpleFSDirectory.java:90)
        at org.apache.lucene.store.NIOFSDirectory$NIOFSIndexInput.<init>(NIOFSDirectory.java:91)
        at org.apache.lucene.store.NIOFSDirectory.openInput(NIOFSDirectory.java:78)
        at org.apache.lucene.index.TermVectorsReader.<init>(TermVectorsReader.java:81)
        at org.apache.lucene.index.SegmentReader$CoreReaders.openDocStores(SegmentReader.java:299)
        at org.apache.lucene.index.SegmentReader.get(SegmentReader.java:580)
        at org.apache.lucene.index.SegmentReader.get(SegmentReader.java:556)
        at org.apache.lucene.index.DirectoryReader.<init>(DirectoryReader.java:113)
        at org.apache.lucene.index.ReadOnlyDirectoryReader.<init>(ReadOnlyDirectoryReader.java:29)
        at org.apache.lucene.index.DirectoryReader$1.doBody(DirectoryReader.java:81)
        at org.apache.lucene.index.SegmentInfos$FindSegmentsFile.run(SegmentInfos.java:736)
        at org.apache.lucene.index.DirectoryReader.open(DirectoryReader.java:75)
        at org.apache.lucene.index.IndexReader.open(IndexReader.java:428)
        at org.apache.lucene.index.IndexReader.open(IndexReader.java:274)
        at org.demo.service.LuceneService.countDocsInIndex(Unknown Source)
        at org.demo.processing.worker.DataFilterWorker.indexTweets(Unknown Source)
        at org.demo.processing.worker.DataFilterWorker.processTweets(Unknown Source)
        at org.demo.processing.worker.DataFilterWorker.run(Unknown Source)
        at java.lang.Thread.run(Thread.java:636)

我已经尝试通过以下方式设置最大打开文件数：

        ulimit -n <number>

但是过了一段时间，当间隔有大约1050行长文本时，会发生同样的错误。但它只发生过一次。

我是否应该遵循从(Too many open files) - SOLR修改Lucene IndexWriter的mergeFactor的建议，或者这是关于被索引的数据量的问题？

我还读到它是批量索引或交互式索引之间的选择。如何通过频繁更新来确定索引是否是交互式的？我应该在交互式索引下对这个项目进行分类吗？

更新：我正在添加我的IndexWriter片段：

        writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_30), IndexWriter.MaxFieldLength.UNLIMITED);

似乎maxMerge（？或字段长度...）已设置为无限制。

Answer 1

我已经使用了ulimit，但错误仍然显示。然后我检查了用于lucene功能的定制核心适配器。事实证明，有太多的IndexWriter.open目录是LEFT OPEN。

应注意处理后，将始终调用关闭打开的目录。

Answer 2

您需要仔细检查ulimit值是否实际持续存在并设置为正确的值（无论最大值是多少）。

您的应用很可能没有正确关闭索引读取器/编写器。我在Lucene邮件列表中看到过很多这样的故事，它几乎总是用户应用程序，而不是Lucene本身。

Answer 3

使用复合索引减少文件数。设置此标志后，lucene会将一个段写为单个.cfs文件而不是多个文件。这将显着减少文件数量。

IndexWriter.setUseCompoundFile(true)

Lucene上打开文件太多错误

3 个答案: