系列彙總：
part1:
本文介紹和IndexWriter有關的3個引數：
1.MAXBufferedDocs
MaxBufferedDocs這個引數預設是disabled的，因為Lucene中還用另外一個引數（RAMBufferSizeMB）控制這個bufffer的索引文件個數。
其實MaxBufferedDocs和RAMBufferSizeMB這兩個引數是可以一起使用的，一起使用時只要有一個觸發條件滿足就寫入硬碟，生成一個新的索引segment檔案。
2.RAMBufferSize
控制用於buffer索引文件的記憶體上限，如果buffer的索引文件個數到達該上限就寫入硬碟。當然，一般來說也只越大索引速度越快。當我們對文件大小不太確定時，這個引數就相當有用，不至於outofmemory error.
3.MegerFactor
SetMergeFactor是控制segment合併頻率的，其決定了一個索引塊中包括多少個文件，當硬碟上的索引塊達到多少時，將它們合併成一個較大的索引塊。當MergeFactor值較大時，生成索引的速度較快。MergeFactor的預設值是10，建議在建立索引前將其設定的大一些。
part2：
注意：
1.不要隨意設定MaxbufferedDocs。
MaxBufferedDocs和RAMBufferSize共同控制記憶體中文件的容量。
如果對MaxBufferedDocs進行設定要比較小心了，因為它本身是disabled，如果設定不合理將導致大規模的重建索引非常慢。
例如：
writer =new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_30), true, MaxFieldLength.UNLIMITED);
writer.setUseCompoundFile(true);
writer.setMaxBufferedDocs(100);
writer.setMergeFactor(10);
//add document
//注意點2:filed例項在多次新增的時候可以重用，節約構造field例項的時間。
Field f1 =new Field("f1", "", Store.YES, Index.ANALYZED) ;
Field f2 =new Field("f2", "", Store.YES, Index.ANALYZED) ;
for (int i =0; i <1000000; i++) {
Document doc =new Document();
f1.setValue("f1 hello doc"+ i);
doc.add(f1);
f2.setValue("f2 world doc"+ i);
doc.add(f2);
writer.addDocument(doc);
}
writer.optimize();
上述程式碼中對MaxBufferedDocs進行設定：
writer.setMaxBufferedDocs(100);
那麼現在對記憶體中文件的容量有兩個控制量：
1.文件數量達到100就寫回磁碟；
2.文件總容量達到16m就寫回磁碟；
因為上面一個文件的大小很小，100個文件的容量肯定不會達到16m，所以第一個控制量起到主要的作用。
在沒有設定MaxBufferedDocs之前就只有RAMBufferSize（16m）控制記憶體中文件的數量，
較之這兩種情況，明顯是沒有設定MaxbufferedDocs更好的利用了記憶體，因此建立索引更快速。
實驗證明：
不設定MaxbufferedDocs，耗時20s左右；
設定MaxbufferedDocs為100，耗時280000s左右。 = =！ 差別太大了，所以一定要小心！！！
2.不要太迷信MegerFactor比較大會加快重建索引的速度。
通過實驗，在上述程式碼中獎MegerFactor設定成10比100要快2s。
“一家之言”——
對於一般的系統（資料量在千萬級，重建索引暫不考慮併發壓力），在重建索引時不要太糾結這些引數的設定，
只要不犯太嚴重的問題（例如像上面一樣將MaxbufferedDocs設定得過小，還不如不設定），效率出入都不會太大。
3.是否有必要將資料先放到RAM中，再和磁碟的索引進行合併？
我認為在重建索引的環節沒有必要。因為在使用FSDirectory建立索引的時候不就可以控制記憶體的使用麼！？（MaxbufferedDocs和RAMBufferSize）
而RAMDiretory應該重點使用在實時索引上面。
（= =！ 我指的重建索引是什麼意思？"對大量的資料一次性建立成磁碟索引！"）
這裡也做了一個測試，是先將文件寫入記憶體，然後合併到磁碟。
主要程式碼如下所示：
dirFS = SimpleFSDirectory.open(new File("d:/20101015index"));
writer =new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_30), MaxFieldLength.UNLIMITED);
writerFS =new IndexWriter(dirFS, new StandardAnalyzer(Version.LUCENE_30), true, MaxFieldLength.UNLIMITED);
//
Field f1 =new Field("f1", "", Store.YES, Index.ANALYZED);
Field f2 =new Field("f2", "", Store.YES, Index.ANALYZED);
for (int i =0; i <1000000; i++) {
Document doc =new Document();
f1.setValue("f1 hello doc"+ i);
doc.add(f1);
f2.setValue("f2 world doc"+ i);
doc.add(f2);
writer.addDocument(doc);
}
// writer.commit();
writerFS.addIndexes(writer.getReader());
經過測試，發現效率和直接寫磁碟差不多！
剛開始學lucene的時候，總熱衷提高效率，什麼引數的設定啊、RAM的使用啊等等，殊不知重建索引是一個初始化階段（服務於後期的檢索），
就算有優化的必要，但絕不是當前必要解決的“主要矛盾”。
應該將重點放到：
1.實時索引；
2.分散式構建檢索框架（如果系統規模有必要的）；
3.怎麼在程式質量上利用好記憶體，不至於執行時到處時 記憶體溢位 。
part3:
轉載了一篇相關文章——
影響Lucene索引速度原因以及提高索引速度技巧
• 確認你在使用最新的Lucene版本。
• 儘量使用本地檔案系統
遠端檔案系統一般來說都會降低索引速度。如果索引必須分佈在遠端伺服器，請嘗試先在本地生成索引，然後分發到遠端伺服器上。
• 使用更快的硬體裝置，特別是更快的IO裝置
• 在索引期間複用單一的IndexWriter例項
• 使用按照記憶體消耗Flush代替根據文件數量Flush
在Lucene 2.2之前的版本，可以在每次新增文件後呼叫ramSizeInBytes方法，當索引消耗過多的記憶體時，然後在呼叫flush()方法。這樣做在索引大量小文件或者文件大小不定的情況下尤為有效。你必須先把maxBufferedDocs引數設定足夠大，以防止writer基於文件數量flush。但是注意，別把這個值設定的太大，否則你將遭遇Lucene-845號BUG。不過這個BUG已經在2.3版本中得到解決。
在Lucene2.3之後的版本。IndexWriter可以自動的根據記憶體消耗呼叫flush()。你可以通過writer.setRAMBufferSizeMB()來設定快取大小。當你打算按照記憶體大小flush後，確保沒有在別的地方設定MaxBufferedDocs值。否則flush條件將變的不確定（誰先符合條件就按照誰）。
• 在你能承受的範圍內使用更多的記憶體
在flush前使用更多的記憶體意味著Lucene將在索引時生成更大的segment，也意味著合併次數也隨之減少。在Lucene-843中測試，大概48MB記憶體可能是一個比較合適的值。但是，你的程式可能會是另外一個值。這跟不同的機器也有一定的關係，請自己多加測試，選擇一個權衡值。
• 關閉複合檔案格式
呼叫setUseCompoundFile(false)可以關閉複合檔案選項。生成複合檔案將消耗更多的時間（經過Lucene-888測試，大概會增加7%-33%的時間）。但是請注意，這樣做將大大的增加搜尋和索引使用的檔案控制程式碼的數量。如果合併因子也很大的話，你可能會出現用光檔案控制程式碼的情況。
• 重用Document和Field例項
在lucene 2.3中，新增了一個叫setValue的方法，可以允許你改變欄位的值。這樣的好處是你可以在整個索引程式中複用一個Filed例項。這將極大的減少GC負擔。
最好建立一個單一的Document例項，然後新增你想要的欄位到文件中。同時複用新增到文件的Field例項，通用呼叫相應的SetValue方法改變相應的欄位的值。然後重新將Document新增到索引中。
注意：你不能在一個文件中多個欄位共用一個Field例項，在文件新增到索引之前，Field的值都不應該改變。也就是說如果你有3個欄位，你必須建立3個Field例項，然後再之後的Document新增過程中複用它們。
• 在你的分析器Analyzer中使用一個單一的Token例項
在分析器中共享一個單一的token例項也將緩解GC的壓力。
• 在Token中使用char[]介面來代替String介面來表示資料
在Lucene 2.3中，Token可以使用char陣列來表示他的資料。這樣可以避免構建字串以及GC回收字串的消耗。通過配合使用單一Token例項和使用char[]介面你可以避免建立新的物件。
• 設定autoCommit為false
在Lucene 2.3中對擁有儲存欄位和Term向量的文件進行了大量的優化，以節省大索引合併的時間。你可以將單一複用的IndexWriter例項的autoCommit設定為false來見證這些優化帶來的好處。注意這樣做將導致searcher在IndexWriter關閉之前不會看到任何索引的更新。如果你認為這個對你很重要，你可以繼續將autoCommit設定為true，或者週期性的開啟和關閉你的writer。
• 如果你要索引很多小文字欄位，如果沒有特別需求，建議你將這些小文字欄位合併為一個大的contents欄位，然後只索引contents。(當然你也可以繼續儲存那些欄位)
• 加大mergeFactor合併因子，但不是越大越好
大的合併因子將延遲segment的合併時間，這樣做可以提高索引速度，因為合併是索引很耗時的一個部分。但是，這樣做將降低你的搜尋速度。同時，你有可能會用光你的檔案控制程式碼如果你把合併因子設定的太大。值太大了設定可能降低索引速度，因為這意味著將同時合併更多的segment，將大大的增加硬碟的負擔。
• 關閉所有你實際上沒有使用的功能
如果你儲存了欄位，但是在查詢時根本沒有用到它們，那麼別儲存它們。同樣Term向量也是如此。如果你索引很多的欄位，關閉這些欄位的不必要的特性將對索引速度提升產生很大的幫助。
• 使用一個更快的分析器
有時間分析文件將消耗很長的時間。舉例來說，StandardAnalyzer就比較耗時，尤其在Lucene 2.3版本之前。你可以嘗試使用一個更簡單更快但是符合你需求的分析器。
• 加速文件的構建時間
在通常的情況下，文件的資料來源可能是外部（比如資料庫，檔案系統，蜘蛛從網站上的抓取等），這些通常都比較耗時，儘量優化獲取它們的效能。
• 在你真的需要之前不要隨意的優化optimize索引（只有在需要更快的搜尋速度的時候）
• 在多執行緒中共享一個IndexWriter
最新的硬體都是適合高併發的（多核CPU，多通道記憶體構架等），所以使用多執行緒新增文件將會帶來不小的效能提升。就算是一臺很老的機器，併發新增文件都將更好的利用IO和CPU。多測試併發的執行緒數目，獲得一個臨界最優值。
• 將文件分組在不同的機器上索引然後再合併
如果你有大量的文字文件需要索引，你可以把你的文件分為若干組，在若干臺機器上分別索引不同的組，然後利用writer.addIndexesNoOptimize來將它們合併到最終的一個索引檔案中。
• 執行效能測試程式
如果以上的建議都沒有發生效果。建議你執行下效能檢測程式。找出你的程式中哪個部分比較耗時。這通常會給你想不到的驚喜。
本翻譯屬於原創，轉載時請註明出處，英文原版請檢視：
http://wiki.apache.org/jakarta-lucene/ImproveIndexingSpeed
轉自：
http://blog.csdn.net/gaoweipeng/archive/2009/10/16/4684198.aspx