如何在Azure Cloud-App中维护Lucene索引

Question

我刚刚开始使用lucene.net的Azure库（http://code.msdn.microsoft.com/azuredirectory）。到目前为止，我一直在使用自己的自定义代码在Azure Blob上编写Lucene索引。因此，我将Blob复制到Azure Web/Worker角色的LocalStorage，并将阅读/写作文档归为索引。我正在使用我的自定义锁定机制来确保我们之间没有冲突，并写入斑点。我希望Azure图书馆能为我解决这些问题。

但是，在尝试测试应用程序时，我对代码进行了调整以使用复合文件选项，并且每次写入索引时都会创建一个新文件。现在，我的问题是，如果我必须维护索引 - IE保留索引文件的快照并使用主索引损坏，那么我该如何执行此操作。我是否应该保留创建或仅处理最新文件的所有.cfs文件的备份。是否有API调用可以清理斑点以在每次写入索引后保留最新文件？

谢谢Kapil

Answer 1

回答此问题后，我们最终更改了搜索基础架构并使用了 Windows Azure驱动器. 。我们有一个工人角色，它将使用块存储使用VHD，并在其上托管Lucene.net索引。检查的代码以确保VHD首先安装，并存在索引目录。如果工人的角色失败了，VHD将在60秒后自动卸下，第二个工人角色可以掌握。

此后，我们再次更改了基础架构，并通过SOLR实例搬到了亚马逊进行搜索，但是VHD选项在开发过程中效果很好。它可能在测试和生产方面效果很好，但要求意味着我们需要转移到EC2。

Answer 2

我正在使用AzureDirectory在Azure上进行全文索引，而且我也得到了一些奇怪的结果...但是希望这个答案对您有所帮助...

首先，复合文件选项：根据我正在阅读和弄清楚的内容，复合文件是一个大文件，其中包含所有索引数据。对此的提名是写了许多较小的文件（使用indexWriter的setMaxmergedocs（int）函数配置为存储。这样的问题是，一旦您到达了很多文件（我愚蠢地将其设置为约5000个），需要一个年龄才能下载索引（在Azure服务器上，大约需要一分钟的我的开发框...现在跑步20分钟，但仍未完成...）。

至于备份索引，我还没有反对这一点，但是鉴于我们目前有大约500万张记录，而且会增长，我也想知道这一点。如果您使用的是单个复合文件，则可能将文件下载到工作角色，将其the thut tum todays日期上传...如果您有较小的文档集，则可能会逃脱重新索引数据如果出现问题...但是再次取决于数字。