pylucene 3.5.0-3
[pylucene.git] / lucene-java-3.5.0 / lucene / contrib / misc / src / java / org / apache / lucene / index / BalancedSegmentMergePolicy.java
diff --git a/lucene-java-3.5.0/lucene/contrib/misc/src/java/org/apache/lucene/index/BalancedSegmentMergePolicy.java b/lucene-java-3.5.0/lucene/contrib/misc/src/java/org/apache/lucene/index/BalancedSegmentMergePolicy.java
new file mode 100644 (file)
index 0000000..9b0afa4
--- /dev/null
@@ -0,0 +1,422 @@
+package org.apache.lucene.index;
+
+/**
+ * Licensed to the Apache Software Foundation (ASF) under one or more
+ * contributor license agreements.  See the NOTICE file distributed with
+ * this work for additional information regarding copyright ownership.
+ * The ASF licenses this file to You under the Apache License, Version 2.0
+ * (the "License"); you may not use this file except in compliance with
+ * the License.  You may obtain a copy of the License at
+ *
+ *     http://www.apache.org/licenses/LICENSE-2.0
+ *
+ * Unless required by applicable law or agreed to in writing, software
+ * distributed under the License is distributed on an "AS IS" BASIS,
+ * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+ * See the License for the specific language governing permissions and
+ * limitations under the License.
+ */
+
+
+import java.io.IOException;
+import java.util.Collections;
+import java.util.Map;
+
+/**
+ * Merge policy that tries to balance not doing large
+ * segment merges with not accumulating too many segments in
+ * the index, to provide for better performance in near
+ * real-time setting.
+ *
+ * <p>This is based on code from zoie, described in more detail
+ * at http://code.google.com/p/zoie/wiki/ZoieMergePolicy.</p>
+ */
+public class BalancedSegmentMergePolicy extends LogByteSizeMergePolicy {
+  
+  public static final int DEFAULT_NUM_LARGE_SEGMENTS = 10;
+  
+  private boolean _partialExpunge = false;
+  private int _numLargeSegments = DEFAULT_NUM_LARGE_SEGMENTS;
+  private int _maxSmallSegments = 2 * LogMergePolicy.DEFAULT_MERGE_FACTOR;
+  private int _maxSegments = _numLargeSegments + _maxSmallSegments;
+
+  public BalancedSegmentMergePolicy() {
+  }
+
+  public void setMergePolicyParams(MergePolicyParams params) {
+    if (params!=null) {
+      setPartialExpunge(params._doPartialExpunge);
+      setNumLargeSegments(params._numLargeSegments);
+      setMaxSmallSegments(params._maxSmallSegments);
+      setPartialExpunge(params._doPartialExpunge);
+      setMergeFactor(params._mergeFactor);
+      setUseCompoundFile(params._useCompoundFile);
+      setMaxMergeDocs(params._maxMergeDocs);
+    }
+  }
+  
+  @Override
+  protected long size(SegmentInfo info) throws IOException {
+    long byteSize = info.sizeInBytes(true);
+    float delRatio = (info.docCount <= 0 ? 0.0f : ((float)info.getDelCount() / (float)info.docCount));
+    return (info.docCount <= 0 ?  byteSize : (long)((1.0f - delRatio) * byteSize));
+  }
+  
+  public void setPartialExpunge(boolean doPartialExpunge) {
+    _partialExpunge = doPartialExpunge;
+  }
+  
+  public boolean getPartialExpunge() {
+    return _partialExpunge;
+  }
+  
+  public void setNumLargeSegments(int numLargeSegments) {
+    if (numLargeSegments < 2) {
+      throw new IllegalArgumentException("numLargeSegments cannot be less than 2");
+    }
+    
+    _numLargeSegments = numLargeSegments;
+    _maxSegments = _numLargeSegments + 2 * getMergeFactor();
+  }
+  
+  public int getNumLargeSegments() {
+    return _numLargeSegments;
+  }
+  
+  public void setMaxSmallSegments(int maxSmallSegments) {
+    if (maxSmallSegments < getMergeFactor()) {
+      throw new IllegalArgumentException("maxSmallSegments cannot be less than mergeFactor");
+    }    
+    _maxSmallSegments = maxSmallSegments;
+    _maxSegments = _numLargeSegments + _maxSmallSegments;
+  }
+  
+  public int getMaxSmallSegments() {
+    return _maxSmallSegments;
+  }
+  
+  @Override
+  public void setMergeFactor(int mergeFactor) {
+    super.setMergeFactor(mergeFactor);
+    if (_maxSmallSegments < getMergeFactor()) {
+      _maxSmallSegments = getMergeFactor();
+      _maxSegments = _numLargeSegments + _maxSmallSegments;
+    }
+  }
+  
+  @Override
+  public MergeSpecification findForcedMerges(SegmentInfos infos, int maxNumSegments, Map<SegmentInfo,Boolean> segmentsToMerge) throws IOException {
+    
+    assert maxNumSegments > 0;
+
+    MergeSpecification spec = null;
+
+    if (!isMerged(infos, maxNumSegments, segmentsToMerge)) {
+
+      // Find the newest (rightmost) segment that needs to
+      // be merged (other segments may have been flushed
+      // since the merge started):
+      int last = infos.size();
+      while(last > 0) {
+
+        final SegmentInfo info = infos.info(--last);
+        if (segmentsToMerge.containsKey(info)) {
+          last++;
+          break;
+        }
+      }
+
+      if (last > 0) {
+
+        if (maxNumSegments == 1) {
+
+          // Since we must merge down to 1 segment, the
+          // choice is simple:
+          if (last > 1 || !isMerged(infos.info(0))) {
+
+            spec = new MergeSpecification();
+            spec.add(new OneMerge(infos.asList().subList(0, last)));
+          }
+        } else if (last > maxNumSegments) {
+
+          // find most balanced merges
+          spec = findBalancedMerges(infos, last, maxNumSegments, _partialExpunge);
+        }
+      }
+    }
+    return spec;
+  }
+  
+  private MergeSpecification findBalancedMerges(SegmentInfos infos, int infoLen, int maxNumSegments, boolean partialExpunge)
+    throws IOException {
+    if (infoLen <= maxNumSegments) return null;
+    
+    MergeSpecification spec = new MergeSpecification();
+
+    // use Viterbi algorithm to find the best segmentation.
+    // we will try to minimize the size variance of resulting segments.
+    
+    double[][] variance = createVarianceTable(infos, infoLen, maxNumSegments);
+    
+    final int maxMergeSegments = infoLen - maxNumSegments + 1;
+    double[] sumVariance = new double[maxMergeSegments];
+    int[][] backLink = new int[maxNumSegments][maxMergeSegments];
+    
+    for(int i = (maxMergeSegments - 1); i >= 0; i--) {
+      sumVariance[i] = variance[0][i];
+      backLink[0][i] = 0;
+    }
+    for(int i = 1; i < maxNumSegments; i++) {
+      for(int j = (maxMergeSegments - 1); j >= 0; j--) {
+        double minV = Double.MAX_VALUE;
+        int minK = 0;
+        for(int k = j; k >= 0; k--) {
+          double v = sumVariance[k] + variance[i + k][j - k];
+          if(v < minV) {
+            minV = v;
+            minK = k;
+          }
+        }
+        sumVariance[j] = minV;
+        backLink[i][j] = minK;
+      }
+    }
+    
+    // now, trace back the back links to find all merges,
+    // also find a candidate for partial expunge if requested
+    int mergeEnd = infoLen;
+    int prev = maxMergeSegments - 1;
+    int expungeCandidate = -1;
+    int maxDelCount = 0;
+    for(int i = maxNumSegments - 1; i >= 0; i--) {
+      prev = backLink[i][prev];
+      int mergeStart = i + prev;
+      if((mergeEnd - mergeStart) > 1) {
+        spec.add(new OneMerge(infos.asList().subList(mergeStart, mergeEnd)));
+      } else {
+        if(partialExpunge) {
+          SegmentInfo info = infos.info(mergeStart);
+          int delCount = info.getDelCount();
+          if(delCount > maxDelCount) {
+            expungeCandidate = mergeStart;
+            maxDelCount = delCount;
+          }
+        }
+      }
+      mergeEnd = mergeStart;
+    }
+    
+    if(partialExpunge && maxDelCount > 0) {
+      // expunge deletes
+      spec.add(new OneMerge(Collections.singletonList(infos.info(expungeCandidate))));
+    }
+    
+    return spec;
+  }
+  
+  private double[][] createVarianceTable(SegmentInfos infos, int last, int maxNumSegments) throws IOException {
+    int maxMergeSegments = last - maxNumSegments + 1;
+    double[][] variance = new double[last][maxMergeSegments];
+    
+    // compute the optimal segment size
+    long optSize = 0;
+    long[] sizeArr = new long[last];
+    for(int i = 0; i < sizeArr.length; i++) {
+      sizeArr[i] = size(infos.info(i));
+      optSize += sizeArr[i];
+    }
+    optSize = (optSize / maxNumSegments);
+    
+    for(int i = 0; i < last; i++) {
+      long size = 0;
+      for(int j = 0; j < maxMergeSegments; j++) {
+        if((i + j) < last) {
+          size += sizeArr[i + j];
+          double residual = ((double)size/(double)optSize) - 1.0d;
+          variance[i][j] = residual * residual;
+        } else {
+          variance[i][j] = Double.NaN;
+        }
+      }
+    }
+    return variance;
+  }
+  
+  @Override
+  public MergeSpecification findForcedDeletesMerges(SegmentInfos infos)
+    throws CorruptIndexException, IOException {
+    final int numSegs = infos.size();
+    final int numLargeSegs = (numSegs < _numLargeSegments ? numSegs : _numLargeSegments);
+    MergeSpecification spec = null;
+    
+    if(numLargeSegs < numSegs) {
+      // hack to create a shallow sub-range as SegmentInfos instance,
+      // it does not clone all metadata, but LogMerge does not need it
+      final SegmentInfos smallSegments = new SegmentInfos();
+      smallSegments.rollbackSegmentInfos(infos.asList().subList(numLargeSegs, numSegs));
+      spec = super.findForcedDeletesMerges(smallSegments);
+    }
+    
+    if(spec == null) spec = new MergeSpecification();
+    for(int i = 0; i < numLargeSegs; i++) {
+      SegmentInfo info = infos.info(i);
+      if(info.hasDeletions()) {
+        spec.add(new OneMerge(Collections.singletonList(infos.info(i))));
+      }
+    }
+    return spec;
+  }
+  
+  @Override
+  public MergeSpecification findMerges(SegmentInfos infos) throws IOException {
+    final int numSegs = infos.size();
+    final int numLargeSegs = _numLargeSegments;
+    
+    if (numSegs <= numLargeSegs) {
+      return null;
+    }
+    
+    long totalLargeSegSize = 0;
+    long totalSmallSegSize = 0;
+    SegmentInfo info;
+    
+    // compute the total size of large segments
+    for(int i = 0; i < numLargeSegs; i++) {
+      info = infos.info(i);
+      totalLargeSegSize += size(info);
+    }
+    // compute the total size of small segments
+    for(int i = numLargeSegs; i < numSegs; i++) {
+      info = infos.info(i);
+      totalSmallSegSize += size(info);
+    }
+    
+    long targetSegSize = (totalLargeSegSize / (numLargeSegs - 1));
+    if(targetSegSize <= totalSmallSegSize) {
+      // the total size of small segments is big enough,
+      // promote the small segments to a large segment and do balanced merge,
+      
+      if(totalSmallSegSize < targetSegSize * 2) {
+        MergeSpecification spec = findBalancedMerges(infos, numLargeSegs, (numLargeSegs - 1), _partialExpunge);
+        if(spec == null) spec = new MergeSpecification(); // should not happen
+        spec.add(new OneMerge(infos.asList().subList(numLargeSegs, numSegs)));
+        return spec;
+      } else {
+        return findBalancedMerges(infos, numSegs, numLargeSegs, _partialExpunge);
+      }      
+    } else if (_maxSegments < numSegs) {
+      // we have more than _maxSegments, merge small segments smaller than targetSegSize/4
+      MergeSpecification spec = new MergeSpecification();
+      int startSeg = numLargeSegs;
+      long sizeThreshold = (targetSegSize / 4);
+      while(startSeg < numSegs) {
+        info = infos.info(startSeg);
+        if(size(info) < sizeThreshold) break;
+        startSeg++;
+      }
+      spec.add(new OneMerge(infos.asList().subList(startSeg, numSegs)));
+      return spec;
+    } else {
+      // hack to create a shallow sub-range as SegmentInfos instance,
+      // it does not clone all metadata, but LogMerge does not need it
+      final SegmentInfos smallSegments = new SegmentInfos();
+      smallSegments.rollbackSegmentInfos(infos.asList().subList(numLargeSegs, numSegs));
+      MergeSpecification spec = super.findMerges(smallSegments);
+      
+      if(_partialExpunge) {
+        OneMerge expunge  = findOneSegmentToExpunge(infos, numLargeSegs);
+        if(expunge != null) {
+          if(spec == null) spec = new MergeSpecification();
+          spec.add(expunge);
+        }
+      }
+      return spec;
+    }      
+  }
+  
+  private OneMerge findOneSegmentToExpunge(SegmentInfos infos, int maxNumSegments) throws IOException {
+    int expungeCandidate = -1;
+    int maxDelCount = 0;
+    
+    for(int i = maxNumSegments - 1; i >= 0; i--) {
+      SegmentInfo info = infos.info(i);
+      int delCount = info.getDelCount();
+      if (delCount > maxDelCount) {
+        expungeCandidate = i;
+        maxDelCount = delCount;
+      }
+    }
+    if (maxDelCount > 0) {
+      return new OneMerge(Collections.singletonList(infos.info(expungeCandidate)));
+    }
+    return null;
+  }
+  
+
+  public static class MergePolicyParams {
+    private int _numLargeSegments;
+    private int _maxSmallSegments;
+    private boolean _doPartialExpunge;
+    private int _mergeFactor;
+    private boolean _useCompoundFile;
+    private int _maxMergeDocs;
+         
+    public MergePolicyParams() {
+      _useCompoundFile = true;
+      _doPartialExpunge = false;
+      _numLargeSegments = DEFAULT_NUM_LARGE_SEGMENTS;
+      _maxSmallSegments = 2 * LogMergePolicy.DEFAULT_MERGE_FACTOR;
+      _maxSmallSegments = _numLargeSegments + _maxSmallSegments;
+      _mergeFactor = LogMergePolicy.DEFAULT_MERGE_FACTOR;
+      _maxMergeDocs = LogMergePolicy.DEFAULT_MAX_MERGE_DOCS;
+    }
+         
+    public void setNumLargeSegments(int numLargeSegments) {
+      _numLargeSegments = numLargeSegments;
+    }
+      
+    public int getNumLargeSegments() {
+      return _numLargeSegments;
+    }
+      
+    public void setMaxSmallSegments(int maxSmallSegments) {
+      _maxSmallSegments = maxSmallSegments;
+    }
+      
+    public int getMaxSmallSegments() {
+      return _maxSmallSegments;
+    }
+      
+    public void setPartialExpunge(boolean doPartialExpunge) {
+      _doPartialExpunge = doPartialExpunge;
+    }
+      
+    public boolean getPartialExpunge() {
+      return _doPartialExpunge;
+    }
+      
+    public void setMergeFactor(int mergeFactor) {
+      _mergeFactor = mergeFactor;
+    }
+         
+    public int getMergeFactor() {
+      return _mergeFactor;
+    }
+               
+    public void setMaxMergeDocs(int maxMergeDocs) {
+      _maxMergeDocs = maxMergeDocs;
+    }
+               
+    public int getMaxMergeDocs() {
+      return _maxMergeDocs;
+    }
+         
+    public void setUseCompoundFile(boolean useCompoundFile) {
+      _useCompoundFile = useCompoundFile;
+    }
+         
+    public boolean isUseCompoundFile() {
+      return _useCompoundFile;
+    }
+  }
+}