使用Lucene.net提升網站搜索速度整合記錄

1.隨着網站數據量達到500萬條的時候,發現SQL數據庫如果使用LIKE語句來查詢,總是占用CPU很忙,不管怎么優化,速度還是上不來;

2.經過網上收集資料,HUBBLE.net目前雖然做得不錯,但需要配置內存給他,由於服務器4G內存,而且運行了好幾個網站,所以考慮采用Lucene.net來做為搜索引擎;

3.雖然本地測試沒有問題,但是部署到64位的服務器上還是經過了好幾天的折騰,在此都記錄一下.

在此記錄搜片神器的整個開發過程中遇到的問題和相關的解決方案,希望大家一起交流. 

Lucene軟件下載編譯整合的問題                                          

網站采用了最新Lucene.Net.3.0.3版本的代碼,然后配置盤古分詞來進行.

由於Lucene.Net升級到了3.0.3后接口發生了很大變化，原來好多分詞庫都不能用了，

.Net下還有一個盤古分詞（http://pangusegment.codeplex.com/），但也不支持Lucene.Net 3.0.3，園子里的大哥們修改的項目地址:

https://github.com/JimLiu/Lucene.Net.Analysis.PanGu

下載后里面有DEMO代碼進行整合.

 

Lucene在軟件中集成處理                                          

由於實時處理數據程序是WINFORM程序,所以需要采用軟件代碼來實時更新索引數據,這樣可控性高一些.

引用頭文件

using Lucene.Net.Analysis;
using Lucene.Net.Analysis.Standard;
using Lucene.Net.Documents;
using Lucene.Net.Index;
using Lucene.Net.QueryParsers;
using Lucene.Net.Search;
using Lucene.Net.Store;
using Lucene.Net.Util;
using PanGu;
using Lucene.Net.Analysis.PanGu;
using PanGu.HighLight;
using FSDirectory = Lucene.Net.Store.FSDirectory;
using Version = Lucene.Net.Util.Version;

　　

創建索引

 

    public static class H31Index
    {
        private static Analyzer analyzer = new PanGuAnalyzer(); //MMSegAnalyzer //StandardAnalyzer
        private static int ONEPAGENUM = 200;
        private static string m_indexPath = "";
        private static IndexWriter iw = null;
        public static void Init(string indexpath)
        {
            m_indexPath = indexpath;
        }

        public static bool OpenIndex()
        {
            try
            {

                DirectoryInfo INDEX_DIR = new DirectoryInfo(m_indexPath+"//Index");
                bool iscreate = true;
                if (INDEX_DIR.Exists)
                    iscreate = false;
                Int32 time21 = System.Environment.TickCount;
                if (iw == null)
                {
                    iw = new IndexWriter(FSDirectory.Open(INDEX_DIR), analyzer, iscreate, new IndexWriter.MaxFieldLength(32));
                    Int32 time22 = System.Environment.TickCount;
                    H31Debug.PrintLn("IndexWriter2[" + type.ToString() + "]:" + " IndexWriter:" + (time22 - time21).ToString() + "ms");
                    return true;
                }
            }
            catch (System.Exception ex)
            {
                H31Debug.PrintLn("OpenIndex" + ex.Message);
            }
            return false;
        }

        public static void CloseIndex()
        {
            try
            {
                if (iw != null)
                {
                    //if (count > 0)
                    {
                        iw.Commit();
                        iw.Optimize();
                    }
                    iw.Dispose();
                    iw = null;
                }            
            }
            catch (System.Exception ex)
            {
                H31Debug.PrintLn("CloseIndex" + ex.Message);
            }

        }

        //建立索引        
public static int AddIndexFromDB()
        {
            int res = 0;
            int count = 0;
            try
            {
                Int32 time0 = System.Environment.TickCount;
                while (count < OneTimeMax && iw != null)
                {
                    Int32 time11 = System.Environment.TickCount;
                    DataSet ds = H31SQL.GetHashListFromDB(type, startnum, startnum + ONEPAGENUM - 1, NewOrUpdate);
                    Int32 time12 = System.Environment.TickCount;
                    int cnt = ds.Tables[0].Rows.Count;
                    if (ds != null&& cnt>0)
                    {
                        Int32 time1 = System.Environment.TickCount;
                        count = count + cnt;
                        for (int i = 0; i < cnt; i++)
                        {
                            //ID,hashKey,recvTime,updateTime,keyContent,keyType,recvTimes,fileCnt,filetotalSize,Detail,viewTimes,viewLevel
                            Document doc = new Document();
                            doc.Add(new Field("ID", ds.Tables[0].Rows[i]["ID"].ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));//存儲，索引
                            doc.Add(new Field("hashKey", ds.Tables[0].Rows[i]["hashKey"].ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));//存儲，索引
                            doc.Add(new Field("recvTime", ds.Tables[0].Rows[i]["recvTime"].ToString(), Field.Store.YES, Field.Index.NO));//存儲，不索引
                            doc.Add(new Field("updateTime", ds.Tables[0].Rows[i]["updateTime"].ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));//存儲，索引
                            doc.Add(new Field("keyContent", ds.Tables[0].Rows[i]["keyContent"].ToString(), Field.Store.YES, Field.Index.ANALYZED));//存儲，索引
                            //PanGuFenCiTest(ds.Tables[0].Rows[i]["keyContent"].ToString());
                            string typeid=ds.Tables[0].Rows[i]["keyType"].ToString();
                            if(typeid.Length<2)
                                typeid=type.ToString();
                            doc.Add(new Field("keyType", typeid, Field.Store.YES, Field.Index.NO));//存儲，不索引
                            doc.Add(new Field("recvTimes", ds.Tables[0].Rows[i]["recvTimes"].ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));//存儲，索引
                            doc.Add(new Field("fileCnt", ds.Tables[0].Rows[i]["fileCnt"].ToString(), Field.Store.YES, Field.Index.NO));//存儲，不索引
                            doc.Add(new Field("filetotalSize", ds.Tables[0].Rows[i]["filetotalSize"].ToString(), Field.Store.YES, Field.Index.NO));//存儲，不索引
                            doc.Add(new Field("Detail", ds.Tables[0].Rows[i]["Detail"].ToString(), Field.Store.YES, Field.Index.NO));//存儲，不索引
                            doc.Add(new Field("viewTimes", ds.Tables[0].Rows[i]["viewTimes"].ToString(), Field.Store.YES, Field.Index.NO));//存儲，不索引
                            doc.Add(new Field("viewLevel", ds.Tables[0].Rows[i]["viewLevel"].ToString(), Field.Store.YES, Field.Index.NO));//存儲，不索引
                            iw.AddDocument(doc);
                        }
                        ds = null;
                        Thread.Sleep(10);
                    }
                    else
                    {
                        res = 1;
                        break;
                    }
                }

                Int32 time10 = System.Environment.TickCount;
                H31Debug.PrintLn("AddIndexFromDB[" + type.ToString() + "],Building index done:" + startnum.ToString() + " Time:" + (time10 - time0).ToString() + "ms");

            }
            catch (System.Exception ex)
            {
                H31Debug.PrintLn(ex.StackTrace);
            }

            return res; 
        }

　　

查詢代碼

        //網站搜索代碼
        public static void Search(string keyword,int typeid,int pageNo)
        {
            int onePage=20;//一頁多少
            int TotalNum=1000;//一次加載多少

            if (pageNo < 0) pageNo = 0;
            if (pageNo * onePage > TotalNum)
                pageNo = TotalNum / onePage;

            //索引加載的目錄
            DirectoryInfo INDEX_DIR = new DirectoryInfo(m_indexPath+"//Index//index1");
            IndexSearcher searcher = new IndexSearcher(FSDirectory.Open(INDEX_DIR), true);
            QueryParser qp = new QueryParser(Version.LUCENE_30, "keyContent", analyzer);
            Query query = qp.Parse(keyword); 
            //Console.WriteLine("query> {0}", query);

            //設置排序問題
            Sort sort = new Sort(new SortField[]{new SortField("recvTimes", SortField.INT, true),new SortField("updateTime", SortField.STRING, true)});

            //設置高亮顯示的問題
            PanGu.HighLight.SimpleHTMLFormatter simpleHTMLFormatter = new PanGu.HighLight.SimpleHTMLFormatter("<font color=\"red\">", "</font>");
            PanGu.HighLight.Highlighter highlighter =new PanGu.HighLight.Highlighter(simpleHTMLFormatter,new Segment());
            highlighter.FragmentSize = 50;

            TopFieldDocs tds = searcher.Search(query,null, 1000, sort);
            Console.WriteLine("TotalHits: " + tds.TotalHits);

            /* 計算顯示的條目 */
            int count = tds.ScoreDocs.Length;
            int start = (pageNo - 1) * onePage;
            int end = pageNo * onePage > count ? count : pageNo * onePage;
            //返回集合列表
            for (int i = start; i < end; i++)
            {
                Document doc = searcher.Doc(tds.ScoreDocs[i].Doc);
                string contentResult = highlighter.GetBestFragment(keyword, doc.Get("keyContent").ToString());
                Console.WriteLine(contentResult + ">>" + doc.Get("recvTimes") + "<<" + doc.Get("updateTime"));
            }

            searcher.Dispose();
        }

 

 服務器部署的問題                                          

 當你覺得本地都運行的好好的時候,發現到服務器上根本就運行不了,一直報錯.

由於Lucene.net最新版本直接使用了net4.0,服務器是64們的WIN2003,而且運行的網站都還是32位的net2.0的DLL,所以升級到4.0怎么也出不來

1.運行顯示的錯誤是提示沒有.net4.0的框架,需要注冊.net4.0

直接到網上找如何搞定顯示ASP.NET選項卡的問題,最后找到文章方法是:

停止iis直接刪除C:/WINDOWS/system32/inetsrv/MetaBase.xml中的Enable32BitAppOnWin64="TRUE" 行

重啟IIS后選項卡到是出來了,但net.2.0的網站全部掛掉,運行不起來,sosobta.com網站也運行不起來,

Enable32BitAppOnWin64的意思是允許運行32們的程序,所以此方法不行.

 

2.另外找的文章都是重新注冊net 4.0   

C:\WINDOWS\Microsoft.NET\Framework\v4.0.30319\aspnet_regiis.exe -i

開始執行試了好多次,沒有效果,這里也允許了,重新安裝了好幾次Net4.0.

 

3.最后一次在停止IIS后,再次全部注冊net2.0,4.0,然后

cscript %SYSTEMDRIVE%\inetpub\adminscripts\adsutil.vbs SET W3SVC/AppPools/Enable32bitAppOnWin64 1
重啟IIS后,出現的錯誤終於不再是上面的.

新錯誤是:

Server Application Unavailable

4.通過網上查找資料 

解決辦法： 在IIS中新建一個應用程序池，然后選中你的 基於.net
framework4.0的虛擬目錄，點“屬性”－》在“應用程序池” 中選擇剛才新建的的應用程序池，點擊“確定”。

 最后服務器網站sosobt.com終於運行起來了.

  Lucene.net搜索的效果                                          

1.經過目前測試,目前服務器4G的內存搜索速度比以前需要5S左右的LIKE強了很多倍,基本上都在1S以內;

2.由於Lucene索引是基於文件的索引,從而使SQL數據庫的使用壓力減輕不少,這樣給其它程序的整體壓力減少不少,網站效果還行.

3.目前500萬的數據重新建立一次索引需要1小時左右,但是網站運行的時候去更新索引速度目前感覺比較慢.比如要更新點擊次數和更新時間等時,發現新的問題來了,這塊的時間比較長.

4.目前考慮的方案是幾天一次全部重新建立索引一次,平時只是添加數據.

希望有了解的朋友在此留言指教下lucene.net方面的性能優化問題,大家一起共同學習進步.

 

大家看累了,就移步到娛樂區http://www.sosobta.com 去看看速度如何,休息下...

希望大家多多推薦哦...大家的推薦才是下一篇介紹的動力...