使用臨時授權於 Java 進行分塊索引

在本教學中，您將 使用臨時授權 透過 GroupDocs.Search 的分塊搜尋功能將文件加入索引。此方法可讓您處理龐大的文件集合——法律合約、支援票證、研究論文——同時保持 java search index memory 使用量低，並大幅 提升搜尋效能。您將看到如何設定索引資料夾、匯入多個文件來源、啟用分塊搜尋，以及執行首次與後續的分塊查詢。

快速解答

  • 第一步是什麼？ 建立搜尋索引資料夾。
  • 如何包含多個檔案？ 對每個文件資料夾使用 index.add()。
  • 哪個選項啟用分塊搜尋？ options.setChunkSearch(true)。
  • 首次分塊後我可以繼續搜尋嗎？ 是的，使用該 token 呼叫 index.searchNext()。
  • 我需要授權嗎？ 開發階段可使用免費試用或臨時授權；正式環境則需完整授權。

您將學習

  • 如何在指定資料夾中建立搜尋索引。
  • 從多個位置 add documents to index 的步驟。
  • 設定搜尋選項以啟用分塊搜尋。
  • 執行首次與後續的分塊搜尋。
  • 分塊文件搜尋發揮優勢的實際情境。

前置條件

  • 必需的函式庫：GroupDocs.Search for Java 25.4 或更新版本。
  • 環境設定：已安裝相容的 Java Development Kit (JDK)。
  • 知識前提：基本的 Java 程式設計與 Maven 使用經驗。

設定 GroupDocs.Search for Java

首先，使用 Maven 將 GroupDocs.Search 整合至您的專案：

<repositories>
   <repository>
      <id>repository.groupdocs.com</id>
      <name>GroupDocs Repository</name>
      <url>https://releases.groupdocs.com/search/java/</url>
   </repository>
</repositories>

<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-search</artifactId>
      <version>25.4</version>
   </dependency>
</dependencies>

或者，從 GroupDocs.Search for Java releases 下載最新版本。

取得授權

試用 GroupDocs.Search：

  • 免費試用 – 在不承諾的情況下測試核心功能。
  • 臨時授權 – 為開發提供延伸存取。
  • 購買 – 正式環境的完整授權。

如何將文件加入索引？

直接回答： 呼叫 index.add() 針對每個包含欲搜尋檔案的資料夾；此方法會遞迴掃描資料夾，並一次性將所有支援的文件加入索引。此方式免除手動逐檔處理，並加速大量匯入。

SearchIndex 是代表磁碟上可搜尋集合的核心類別。實例化後，所有索引與查詢操作皆透過此物件進行。

1. 建立索引

直接回答： 使用欲儲存索引檔案的路徑實例化 SearchIndex 物件，然後呼叫 index.create() 以初始化儲存結構。首次使用時，該呼叫會建立必要的資料夾與中繼資料檔案。

import com.groupdocs.search.*;

public class CreateIndex {
    public static void main(String[] args) {
        String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\AdvancedUsage\\Searching\\SearchByChunks";
        // Creating an index in the specified folder
        Index index = new Index(indexFolder);
    }
}

2. 將文件加入索引

直接回答： 使用 index.add() 方法並傳入每個來源資料夾的絕對路徑；API 會自動偵測支援的格式（PDF、DOCX、XLSX 等），並將可搜尋的文字抽取至索引中。

SearchOptions 是一個設定物件，可讓您微調文件在索引與搜尋期間的處理方式。稍後您將使用它來啟用分塊查詢。

String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\AdvancedUsage\\Searching\\SearchByChunks";

Index index = new Index(indexFolder);

3. 設定分塊搜尋的搜尋選項

直接回答： 在執行查詢前於 SearchOptions 實例上設定 options.setChunkSearch(true)；此設定告訴引擎將每份文件切分為邏輯分塊（通常為段落），並依分塊而非整檔返回匹配結果。

SearchResult 保存匹配的分塊、其位置與相關分數。啟用分塊搜尋時，每個 SearchResult 對應原始文件的一個片段。

String documentsFolder1 = "YOUR_DOCUMENT_DIRECTORY";
String documentsFolder2 = "YOUR_DOCUMENT_DIRECTORY";
String documentsFolder3 = "YOUR_DOCUMENT_DIRECTORY";

index.add(documentsFolder1);
index.add(documentsFolder2);
index.add(documentsFolder3);

4. 執行首次分塊搜尋

直接回答： 執行 index.search("your query", options)；此呼叫會回傳第一批匹配分塊的 SearchResult 集合，以及代表可繼續搜尋狀態的 token。

返回的 token 對於在不重新執行整個查詢的情況下分頁大量結果集至關重要。

SearchOptions options = new SearchOptions();

options.setChunkSearch(true);

5. 繼續分塊搜尋

直接回答： 將先前呼叫返回的 token 傳入 index.searchNext(token, options)；重複此步驟直至方法回傳 null，表示已取得所有匹配的分塊。

此增量方式可降低記憶體使用，因為僅有當前的分塊批次會駐留於記憶體中。

String query = "invitation";

SearchResult result = index.search(query, options);

為何使用分塊搜尋？

分塊搜尋將龐大的文件集合切分為可管理的片段，減少記憶體壓力並加快回應時間。透過在段落或章節層級建立索引，引擎僅能取回相關片段，從而降低 CPU 使用率並提升終端使用者的延遲。此方式在以下情況特別有益：

  1. 法律團隊 需要在數千份合約中定位特定條款。
  2. 客戶支援平台 必須即時顯示相關的知識庫文章。
  3. 研究人員 在不將整個檔案載入記憶體的情況下篩選龐大資料集。

量化聲明：在標準的 8 核心伺服器上，GroupDocs.Search 能在每個分塊低於 2 秒 的時間內處理 500 頁以上的 PDF，同時將峰值堆疊記憶體維持在 200 MB 以下。

此方法如何提升搜尋效能

直接回答： 透過搜尋較小的分塊而非整個檔案，引擎能提前跳過不相關的段落，減少 CPU 週期，且僅將活動分塊保留於記憶體中，直接降低 java search index memory 消耗並帶來更快的回應時間。此目標導向的方式亦能提升快取效能與平行處理，讓多核心同時處理不同分塊，進一步提升多核伺服器的吞吐量。

其他好處包括：

  • 跨多核心的平行分塊處理。
  • 當找到高相關性匹配時提前終止。

管理 java search index memory

直接回答： 根據預期的索引大小分配足夠的 JVM 堆積（例如 -Xmx2g 或更高），在大量加入後執行 index.optimize() 以壓縮索引結構，並使用 VisualVM 監控 GC 暫停，以避免延遲峰值。

  • 在大批次之後使用 index.flush() 將暫存資料寫入磁碟。
  • 啟用 options.setMemoryLimit(256) 以限制每次搜尋的記憶體使用量。

效能考量

  • 記憶體管理 – 為大型索引分配足夠的堆積空間（-Xmx）。
  • 資源監控 – 在索引與搜尋作業期間留意 CPU 使用率。
  • 索引維護 – 定期重建或清理索引，以剔除過時資料。

常見陷阱與疑難排解

問題為何發生解決方案
OutOfMemoryError during indexingHeap size too lowIncrease JVM heap (-Xmx2g or higher)
No results returnedChunk token not processedEnsure the while loop runs until getNextChunkSearchToken() is null
Slow search performanceIndex not optimizedRun index.optimize() after bulk additions

常見問答

Q: 什麼是分塊搜尋？
A: 分塊搜尋將資料集切分為較小的片段，允許在大量資料上進行高效查詢，且無需將整份文件載入記憶體。

Q: 如何使用新檔案更新我的索引？
A: 只需使用新文件的路徑呼叫 index.add()；索引會自動納入它們。

Q: GroupDocs.Search 能處理不同的檔案格式嗎？
A: 能，支援 PDF、DOCX、XLSX、PPTX、HTML、TXT 以及超過 30 種其他格式。

Q: 典型的效能瓶頸是什麼？
A: 記憶體限制與未最佳化的索引最為常見；請分配足夠的堆積並定期最佳化索引。

Q: 我可以在哪裡找到更詳細的文件？
A: 前往官方的 GroupDocs.Search Documentation 獲取深入指南與 API 參考。

Q: 分塊搜尋能處理加密的 PDF 嗎？
A: 能，只要透過相應的 API 重載提供密碼即可。

Q: 我該如何監控索引進度？
A: 使用回傳 Progress 物件的 Index.add() 重載，或掛接日誌回呼。

資源

最後更新： 2026-10-02
測試環境： GroupDocs.Search 25.4 for Java
作者： GroupDocs

while (result.getNextChunkSearchToken() != null) {
    result = index.searchNext(result.getNextChunkSearchToken());
}

相關教學