使用基于块的搜索在 Java 中向索引添加文档

在现代应用中，需要快速 add documents to index 并随后执行快速的基于块的查询时，您希望使用一种能够在不耗尽内存的情况下扩展的解决方案。本教程将指导您设置 GroupDocs.Search for Java，添加多个文档文件夹，并配置引擎以 increase search performance，同时保持 java search index memory 使用受控。无论是对法律合同、支持工单还是研究论文进行索引，以下步骤都能提供可投入生产的实现。

快速答案

第一步是什么？ 创建搜索索引文件夹。
如何包含多个文件？ 对每个文档文件夹使用 index.add()。
哪个选项启用块搜索？ options.setChunkSearch(true)。
我可以在第一个块之后继续搜索吗？ 是的，使用该 token 调用 index.searchNext()。
我需要许可证吗？ 免费试用或临时许可证可用于开发；生产环境需要完整许可证。

您将学习

如何在指定文件夹中创建搜索索引。
从多个位置 add documents to index 的步骤。
配置搜索选项以启用基于块的搜索。
执行初始和后续的基于块的搜索。
基于块的文档搜索在实际场景中的优势。

前提条件

必需的库：GroupDocs.Search for Java 25.4 或更高版本。
环境设置：已安装兼容的 Java Development Kit (JDK)。
知识前提：基本的 Java 编程和 Maven 使用经验。

设置 GroupDocs.Search for Java

首先，使用 Maven 将 GroupDocs.Search 集成到项目中：

<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，从 GroupDocs.Search for Java releases 下载最新版本。

获取许可证

试用 GroupDocs.Search：

免费试用 – 在不作承诺的情况下测试核心功能。
临时许可证 – 为开发提供延长访问。
购买 – 用于生产的完整许可证。

基本初始化和设置

在您希望存放可搜索数据的文件夹中创建索引：

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);
    }
}

如何向索引添加文档

现在索引已经存在，接下来的合乎逻辑的步骤是从文件所在位置 add documents to index。

1. 创建索引

概述：为搜索索引设置目录。

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

Index index = new Index(indexFolder);

2. 向索引添加文档

概述：从多个源文件夹导入文件。

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

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

3. 为块搜索配置搜索选项

通过调整 options 对象来启用基于块的搜索。

SearchOptions options = new SearchOptions();

options.setChunkSearch(true);

4. 执行初始基于块的搜索

使用启用块的选项运行第一次查询。

String query = "invitation";

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

5. 继续基于块的搜索

迭代剩余块，直至搜索完成。

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

为什么使用基于块的搜索？

基于块的搜索将庞大的文档集合拆分为可管理的片段，降低内存压力并加快响应时间。尤其在以下情况下受益显著：

法律团队 需要在数千份合同中定位特定条款。
客户支持门户 必须即时呈现相关的知识库文章。
研究人员 在不将整个文件加载到内存的情况下筛选大量数据集。

此方法如何提升搜索性能

通过搜索较小的块而非整个文件，引擎能够：

及早跳过无关章节，减少 CPU 周期。
仅在内存中保留活动块，从而直接降低 java search index memory 消耗。
在多核机器上并行处理块，以获得更快的结果。

管理 java search index memory

虽然基于块的搜索已经降低了内存占用，但您仍可进一步调优 JVM：

根据索引大小分配足够的堆内存（如 -Xmx2g 或更高）。
在批量添加后使用 index.optimize() 压缩索引结构。
使用 VisualVM 等工具监控 GC 暂停，以避免延迟峰值。

性能考虑

内存管理 – 为大型索引分配足够的堆空间（-Xmx）。
资源监控 – 在索引和搜索操作期间关注 CPU 使用率。
索引维护 – 定期重建或清理索引，以丢弃过时数据。

常见陷阱与故障排除

问题	发生原因	解决方案
索引期间的 `OutOfMemoryError`	堆大小太小	增加 JVM 堆内存（`-Xmx2g` 或更高）
未返回结果	块 token 未被处理	确保 `while` 循环运行至 `getNextChunkSearchToken()` 为 `null`
搜索性能慢	索引未优化	在批量添加后运行 `index.optimize()`

常见问答

Q: 什么是基于块的搜索？
A: 基于块的搜索将数据集划分为更小的片段，使得在不将整个文档加载到内存的情况下，对大规模数据进行高效查询。

Q: 如何使用新文件更新我的索引？
A: 只需使用新文档的路径调用 index.add()；索引会自动将其纳入。

Q: GroupDocs.Search 能处理不同的文件格式吗？
A: 可以，它支持 PDF、DOCX、XLSX、PPTX 以及许多其他常见格式。

Q: 常见的性能瓶颈是什么？
A: 内存限制和未优化的索引是最常见的；分配足够的堆内存并定期优化索引。

Q: 在哪里可以找到更详细的文档？
A: 请访问官方的 GroupDocs.Search Documentation 获取深入指南和 API 参考。

Q: 基于块的搜索能用于加密的 PDF 吗？
A: 可以，只要通过相应的 API 重载提供密码即可。

Q: 我如何监控索引进度？
A: 使用返回 Progress 对象的 Index.add() 重载，或挂接日志回调。

资源

文档: GroupDocs.Search for Java Docs
API 参考: GroupDocs.Search API Reference
下载: GroupDocs.Search Releases
GitHub: GroupDocs.Search GitHub Repository
免费支持: GroupDocs Forum
临时许可证: Obtain a Temporary License

最后更新： 2026-02-21
测试环境： GroupDocs.Search 25.4 for Java
作者： GroupDocs