A. 用Lucene 做搜索引擎的時候預處理出錯java.io.IOException: 另一個程序已鎖定文件的一部分,進程無法訪問.
把鎖文件刪除就可以了
B. Lucene需要索引的文本文件太大，怎麼解決
就報錯來看，還沒有用到Lucene就出錯了，意思是只到第一行就虛擬機內存溢出了，可以考慮把源文件進行切割，如把10M的文本切成5個1M的，建議你試一下
給一個可以切分文件的程序，可把它作為預處理的一部分
public static void splitToSmallFiles(File file, String outputpath) throws IOException {
int filePointer = 0;
int MAX_SIZE = 10240000;
BufferedWriter writer = null;
BufferedReader reader = new BufferedReader(new FileReader(file));
StringBuffer buffer = new StringBuffer();
String line = reader.readLine();
while (line != null) {
buffer.append(line).append("\\r\
");
if (buffer.toString().getBytes().length >= MAX_SIZE)
{
writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer + ".txt"));
writer.write(buffer.toString());
writer.close();
filePointer++;
buffer = new StringBuffer();
}
line = reader.readLine();
}
writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer + ".txt"));
writer.write(buffer.toString());
writer.close();
}
C. 搜索引擎Lucene（4）：索引的創建過程
創建索引的過程如下：
索引結構如下：
IndexWriter結構：
IndexWriter通過指定存放的目錄（Directory）以及文檔分析器（Analyzer）來構建，direcotry代表索引存儲在哪裡；analyzer表示如何來分析文檔的內容；similarity用來規格化文檔，給文檔算分；IndexWriter類里還有一些SegmentInfos對象用於存儲索引片段信息，以及發生故障回滾等。
添加文檔使用addDocument()方法，刪除文檔使用deleteDocuments(Term)或者deleteDocuments(Query)方法，而且一篇文檔可以使用updateDocument()方法來更新（僅僅是先執行delete在執行add操作而已）。當完成了添加、刪除、更新文檔，應該需要調用close方法。
這些修改會緩存在內存中（buffered in memory），並且定期地（periodically）刷新到（flush）Directory中（在上述方法的調用期間）。一次flush操作會在如下時候觸發（triggered）：當從上一次flush操作後有足夠多緩存的delete操作（參見setMaxBufferedDeleteTerms(int)），或者足夠多已添加的文檔（參見setMaxBufferedDocs(int)），無論哪個更快些（whichever is sooner）。對被添加的文檔來說，一次flush會在如下任何一種情況下觸發，文檔的RAM緩存使用率（setRAMBufferSizeMB）或者已添加的文檔數目，預設的RAM最高使用率是16M，為得到索引的最高效率，你需要使用更大的RAM緩存大小。需要注意的是，flush處理僅僅是將IndexWriter中內部緩存的狀態（internal buffered state）移動進索引里去，但是這些改變不會讓IndexReader見到，直到commit()和close()中的任何一個方法被調用時。一次flush可能觸發一個或更多的片斷合並（segmentmerges），這時會啟動一個後台的線程來處理，所以不會中斷addDocument的調用，請參考MergeScheler。
一個IndexReader或者IndexSearcher只會看到索引在它打開的當時的狀態。任何在索引被打開之後提交到索引中的commit信息，在它被重新打開之前都不會見到。
DocumentsWriter結構：
DocumentsWriter 是由IndexWriter 調用來負責處理多個文檔的類，它通過與Directory 類及Analyzer 類、Scorer 類等將文檔內容提取出來，並分解成一組term列表再生成一個單一的segment 所需要的數據文件，如term頻率、term 位置、term 向量等索引文件，以便SegmentMerger 將它合並到統一的segment 中去。
該類可接收多個添加的文檔，並且直接寫成一個單獨的segment 文件。這比為每一個文檔創建一個segment（使用DocumentWriter）以及對那些segments 執行合作處理更有效率。
每一個添加的文檔都被傳遞給DocConsumer類，它處理該文檔並且與索引鏈表中（indexing chain）其它的consumers相互發生作用（interacts with）。確定的consumers，就像StoredFieldWriter和TermVectorsTermsWriter，提取一個文檔的摘要（digest），並且馬上把位元組寫入「文檔存儲」文件（比如它們不為每一個文檔消耗（consume）內存RAM，除了當它們正在處理文檔的時候）。
其它的consumers，比如FreqProxTermsWriter和NormsWriter，會緩存位元組在內存中，只有當一個新的segment製造出的時候才會flush到磁碟中。
一旦使用完我們分配的RAM緩存，或者已添加的文檔數目足夠多的時候（這時候是根據添加的文檔數目而不是RAM的使用率來確定是否flush），我們將創建一個真實的segment，並將它寫入Directory中去。
索引創建的調用過程：
一個Directory對象是一系列統一的文件列表（a flat list of files）。文件可以在它們被創建的時候一次寫入，一旦文件被創建，它再次打開後只能用於讀取（read）或者刪除（delete）操作。並且同時在讀取和寫入的時候允許隨機訪問。
FSDirectory類直接實現Directory抽象類為一個包含文件的目錄。目錄鎖的實現使用預設的SimpleFSLockFactory，但是可以通過兩種方式修改，即給getLockFactory()傳入一個LockFactory實例，或者通過調用setLockFactory()方法明確制定LockFactory類。
目錄將被緩存（cache）起來，對一個指定的符合規定的路徑（canonical path）來說，同樣的FSDirectory實例通常通過getDirectory()方法返回。這使得同步機制（synchronization）能對目錄起作用。
RAMDirectory類是一個駐留內存的（memory-resident）Directory抽象類的實現。目錄鎖的實現使用預設的SingleInstanceLockFactory，但是可以通過setLockFactory()方法修改。
IndexInput類是一個為了從一個目錄（Directory）中讀取文件的抽象基類，是一個隨機訪問（random-access）的輸入流（input stream），用於所有Lucene讀取Index的操作。BufferedIndexInput是一個實現了帶緩沖的IndexInput的基礎實現。
IndexOutput類是一個為了寫入文件到一個目錄（Directory）中的抽象基類，是一個隨機訪問（random-access）的輸出流（output stream），用於所有Lucene寫入Index的操作。BufferedIndexOutput是一個實現了帶緩沖的IndexOutput的基礎實現。RAMOuputStream是一個內存駐留（memory-resident）的IndexOutput的實現類。
域索引選項通過倒排索引來控制文本是否可被搜索。
當lucene建立起倒排索引後，默認情況下它會保存所有必要的信息以實施Vector Space Model。該Model需要計算文檔中出現的Term數，以及它們出現的文職（這是必要的，比如通過片語搜索時用到）。但有時候這些域只是在布爾搜索時用到，他們並不為相關評分做貢獻，一個常見的例子是，域只是被用作過濾，如許可權過濾和日期過濾。在這種情況下，可以通過調用Field.setOmitTermFreqAndPositions(true)方法讓lucene跳過對改選項的出現頻率和出現位置的索引。該方法可以節省一些索引在磁碟上的儲存空間，還可以加速搜索和過濾過程，但會悄悄阻止需要位置信息的搜索，如阻止PhraseQuery和SpanQuery類的運行。
域存儲選項是用來確定是否需要存儲域的真實值，以便後續搜索時能回復這個值。
lucene支持想一個域中寫入多個不同的值。
這種處理方式是完全可以接受並鼓勵使用的，因為這是邏輯上具有多個域值的域的自然表示方式。在lucene內部，只要文檔中出現同名的多域值，倒排索引和項向量都會在邏輯上將這些語匯單元附加進去，具體順序由添加該域的順序決定。
文檔和域的加權操作可以在索引期間完成。而搜索期間的加權操作會更加動態化，因為每次搜索都可以根據不同的加權因子獨立選擇加權或不加權，但這個策略也可能多消耗一些CPU效率。搜索期間的動態加權可以更靈活控制。
默認情況下，所有文檔的加權因子都是1.0，通過改變文檔的加權因子，就可以影響文檔在索引中的重要程度。調整加權操作的API為：setBoost(float)；
同文檔加權一樣，可以對進行加權操作。文檔加權時，lucene內部會採用同一加權因子來對該文檔中的域進行加權。域加權API：Field.setBoost(fliat)。
Analyzer類構建用於分析文本的TokenStream對象，因此（thus）它表示（represent）用於從文本中分解（extract）出組成索引的terms的一個規則器（policy）。典型的（typical）實現首先創建一個Tokenizer，它將那些從Reader對象中讀取字元流（stream of characters）打碎為（break into）原始的Tokens（raw Tokens）。然後一個或更多的TokenFilters可以應用在這個Tokenizer的輸出上。警告：你必須在你的子類（subclass）中覆寫（override）定義在這個類中的其中一個方法，否則的話Analyzer將會進入一個無限循環（infinite loop）中。
StandardAnalyzer：
StandardAnalyzer類是使用一個English的stop words列表來進行tokenize分解出文本中word，使用StandardTokenizer類分解詞，再加上StandardFilter以及LowerCaseFilter以及StopFilter這些過濾器進行處理的這樣一個Analyzer類的實現。
D. 為什麼我的Lucene的索引被鎖定
被IIS鎖定時什麼情況呢?
不具有讀寫許可權？ 還是有一個?.lock文件 。 如果創建索引的時候異常中斷，可以嘗試刪除lock文件或者重新生成。並賦予該文件夾正確的許可權信息。
E. 在Lucene中刪除索引，使用writer.optimize();//優化操作使刪除生效，可是這一句老是有錯，求大神指教。
IndexReader提供了兩種方法：
reader.DeleteDocument(int
docNum)
reader.DeleteDocuments(Term term)
前者是根據文檔的編號來刪除該文檔，docNum是該文檔進回入索引時Lucene的編號，答是按照順序編的；後者是刪除滿足某一個條件的多個文檔。
在執行了DeleteDocument或者DeleteDocuments方法後，系統會生成一個*.del的文件，該文件中記錄了刪除的文檔，但並未從物理上刪除這些文檔。此時，這些文檔是受保護的，當使用Document
doc = reader.Document(i)來訪問這些受保護的文檔時，Lucene會報「Attempt to access a deleted
document」異常。如果一次需要刪除多個文檔時，可以用兩種方法來解決：
1. 刪除一個文檔後，用IndexWriter的Optimize方法來優化索引，這樣我們就可以繼續刪除另一個文檔。
2.
先掃描整個索引文件，記錄下需要刪除的文檔在索引中的編號。
F. 用lucene建立索引時，當第二次創建時，還在同一個目錄下，那麼之前的索引會被刪除嗎
你用Lucene建立索引的時候IndexWriter writer = new IndexWriter(indexdir,new StandardAnalyzer(), true);
第三個參數當為TRUE時是會刪除同一個目錄下的索引的，這是在回初次創建答索引時使用
以後每次增量索引直接設置為FALSE即可，這樣直接將後面新建立的索引添加到索引文件中，不會覆蓋原來建立的索引。
當刪除索引時我們可以找到對應的索引ID，然後刪除索引，將刪除掉索引文件中的該條記錄，同時在同目錄下生成一個刪除索引的記錄問價，為-DEL文件，便於後面恢復刪除的索引。
以上解答希望你能理解，建個簡單的索引試試就可以知道的