pylucene 3.5.0-3
[pylucene.git] / lucene-java-3.5.0 / lucene / src / test / org / apache / lucene / index / Test2BTerms.java
diff --git a/lucene-java-3.5.0/lucene/src/test/org/apache/lucene/index/Test2BTerms.java b/lucene-java-3.5.0/lucene/src/test/org/apache/lucene/index/Test2BTerms.java
new file mode 100644 (file)
index 0000000..a055b5e
--- /dev/null
@@ -0,0 +1,219 @@
+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 org.apache.lucene.util.*;
+import org.apache.lucene.store.*;
+import org.apache.lucene.search.*;
+import org.apache.lucene.analysis.*;
+import org.apache.lucene.analysis.tokenattributes.*;
+import org.apache.lucene.document.*;
+import org.apache.lucene.index.FieldInfo.IndexOptions;
+import java.io.IOException;
+import java.io.UnsupportedEncodingException;
+import java.util.ArrayList;
+import java.util.Collections;
+import java.util.List;
+import org.junit.Ignore;
+
+// Best to run this test w/ plenty of RAM (because of the
+// terms index):
+//
+//   ant compile-test
+//
+//   java -server -Xmx8g -d64 -cp .:lib/junit-4.7.jar:./build/classes/test:./build/classes/test-framework:./build/classes/java -Dlucene.version=4.0-dev -Dtests.directory=MMapDirectory -DtempDir=build -ea org.junit.runner.JUnitCore org.apache.lucene.index.Test2BTerms
+//
+
+public class Test2BTerms extends LuceneTestCase {
+
+  private final class MyTokenStream extends TokenStream {
+
+    private final int tokensPerDoc;
+    private int tokenCount;
+    private final CharTermAttribute charTerm;
+    private final static int TOKEN_LEN = 5;
+    private final char[] chars;
+    public final List<String> savedTerms = new ArrayList<String>();
+    private int nextSave;
+
+    public MyTokenStream(int tokensPerDoc) {
+      super();
+      this.tokensPerDoc = tokensPerDoc;
+      charTerm = addAttribute(CharTermAttribute.class);
+      chars = charTerm.resizeBuffer(TOKEN_LEN);
+      charTerm.setLength(TOKEN_LEN);
+      nextSave = _TestUtil.nextInt(random, 500000, 1000000);
+    }
+    
+    @Override
+    public boolean incrementToken() {
+      if (tokenCount >= tokensPerDoc) {
+        return false;
+      }
+      _TestUtil.randomFixedLengthUnicodeString(random, chars, 0, TOKEN_LEN);
+      tokenCount++;
+      if (--nextSave == 0) {
+        final String s = new String(chars, 0, TOKEN_LEN);
+        System.out.println("TEST: save term=" + s + " [" + toHexString(s) + "]");
+        savedTerms.add(s);
+        nextSave = _TestUtil.nextInt(random, 500000, 1000000);
+      }
+      return true;
+    }
+
+    @Override
+    public void reset() {
+      tokenCount = 0;
+    }
+  }
+
+  @Ignore("Takes ~4 hours to run on a fast machine!!")
+  public void test2BTerms() throws IOException {
+
+    final long TERM_COUNT = ((long) Integer.MAX_VALUE) + 100000000;
+
+    final int TERMS_PER_DOC = _TestUtil.nextInt(random, 100000, 1000000);
+
+    List<String> savedTerms = null;
+
+    MockDirectoryWrapper dir = newFSDirectory(_TestUtil.getTempDir("2BTerms"));
+    dir.setThrottling(MockDirectoryWrapper.Throttling.NEVER);
+    dir.setCheckIndexOnClose(false); // don't double-checkindex
+    //Directory dir = newFSDirectory(new File("/p/lucene/indices/2bindex"));
+
+    if (true) {
+
+      IndexWriter w = new IndexWriter(dir,
+                                      new IndexWriterConfig(TEST_VERSION_CURRENT, new MockAnalyzer(random))
+                                      .setMaxBufferedDocs(IndexWriterConfig.DISABLE_AUTO_FLUSH)
+                                      .setRAMBufferSizeMB(256.0)
+                                      .setMergeScheduler(new ConcurrentMergeScheduler())
+                                      .setMergePolicy(newLogMergePolicy(false, 10))
+                                      .setOpenMode(IndexWriterConfig.OpenMode.CREATE));
+
+      MergePolicy mp = w.getConfig().getMergePolicy();
+      if (mp instanceof LogByteSizeMergePolicy) {
+        // 1 petabyte:
+        ((LogByteSizeMergePolicy) mp).setMaxMergeMB(1024*1024*1024);
+      }
+
+      Document doc = new Document();
+
+      final MyTokenStream ts = new MyTokenStream(TERMS_PER_DOC);
+      Field field = new Field("field", ts);
+      field.setIndexOptions(IndexOptions.DOCS_ONLY);
+      field.setOmitNorms(true);
+      doc.add(field);
+      //w.setInfoStream(System.out);
+      final int numDocs = (int) (TERM_COUNT/TERMS_PER_DOC);
+
+      System.out.println("TERMS_PER_DOC=" + TERMS_PER_DOC);
+      System.out.println("numDocs=" + numDocs);
+
+      for(int i=0;i<numDocs;i++) {
+        final long t0 = System.currentTimeMillis();
+        w.addDocument(doc);
+        System.out.println(i + " of " + numDocs + " " + (System.currentTimeMillis()-t0) + " msec");
+      }
+      savedTerms = ts.savedTerms;
+
+      System.out.println("TEST: full merge");
+      w.forceMerge(1);
+      System.out.println("TEST: close writer");
+      w.close();
+    }
+
+    System.out.println("TEST: open reader");
+    final IndexReader r = IndexReader.open(dir);
+    if (savedTerms == null) {
+      savedTerms = findTerms(r);
+    }
+    final int numSavedTerms = savedTerms.size();
+    final List<String> bigOrdTerms = new ArrayList<String>(savedTerms.subList(numSavedTerms-10, numSavedTerms));
+    System.out.println("TEST: test big ord terms...");
+    testSavedTerms(r, bigOrdTerms);
+    System.out.println("TEST: test all saved terms...");
+    testSavedTerms(r, savedTerms);
+    r.close();
+
+    System.out.println("TEST: now CheckIndex...");
+    CheckIndex.Status status = _TestUtil.checkIndex(dir);
+    final long tc = status.segmentInfos.get(0).termIndexStatus.termCount;
+    assertTrue("count " + tc + " is not > " + Integer.MAX_VALUE, tc > Integer.MAX_VALUE);
+    dir.close();
+  }
+
+  private List<String> findTerms(IndexReader r) throws IOException {
+    System.out.println("TEST: findTerms");
+    final TermEnum termEnum = r.terms();
+    final List<String> savedTerms = new ArrayList<String>();
+    int nextSave = _TestUtil.nextInt(random, 500000, 1000000);
+    while(termEnum.next()) {
+      if (--nextSave == 0) {
+        savedTerms.add(termEnum.term().text());
+        System.out.println("TEST: add " + termEnum.term());
+        nextSave = _TestUtil.nextInt(random, 500000, 1000000);
+      }
+    }
+    return savedTerms;
+  }
+
+  private String toHexString(String s) {
+    byte[] bytes;
+    try {
+      bytes = s.getBytes("UTF-8");
+    } catch (UnsupportedEncodingException uee) {
+      throw new RuntimeException(uee);
+    }
+    StringBuilder sb = new StringBuilder();
+    for(byte b : bytes) {
+      if (sb.length() > 0) {
+        sb.append(' ');
+      }
+      sb.append(Integer.toHexString(b&0xFF));
+    }
+    return sb.toString();
+  }
+
+  private void testSavedTerms(IndexReader r, List<String> terms) throws IOException {
+    System.out.println("TEST: run " + terms.size() + " terms on reader=" + r);
+    IndexSearcher s = new IndexSearcher(r);
+    Collections.shuffle(terms);
+    boolean failed = false;
+    for(int iter=0;iter<10*terms.size();iter++) {
+      final String term = terms.get(random.nextInt(terms.size()));
+      System.out.println("TEST: search " + term + " [" + toHexString(term) + "]");
+      final long t0 = System.currentTimeMillis();
+      final int count = s.search(new TermQuery(new Term("field", term)), 1).totalHits;
+      if (count <= 0) {
+        System.out.println("  FAILED: count=" + count);
+        failed = true;
+      }
+      final long t1 = System.currentTimeMillis();
+      System.out.println("  took " + (t1-t0) + " millis");
+
+      final TermEnum termEnum = r.terms(new Term("field", term));
+      final String text = termEnum.term().text();
+      if (!term.equals(text)) {
+        System.out.println("  FAILED: wrong term: got " + text + " [" + toHexString(text) + "]");
+        failed = true;
+      }
+    }
+    assertFalse(failed);
+  }
+}