Lucene SoftUpdateDocument API工作原理及使用疑问咨询

1. softUpdateDocument API每次更新是否会创建新文档？与updateDocument的区别？是否适合避免docValue更新导致段膨胀的场景？ #

• 首先明确：Lucene的文档是不可变的，所有更新操作本质都是标记旧文档为删除、生成新文档，softUpdateDocument也不例外，它仍然会创建新文档，不存在真正的“原地更新”。
• 和updateDocument的核心差异：
  • updateDocument会重新索引文档的所有字段——哪怕只有一个docValue字段需要修改，它也会把text、string等所有字段重新写入新文档，直接导致段内冗余数据暴增，段大小快速膨胀。
  • softUpdateDocument做了针对性优化：它会复用旧文档中未修改的字段数据（尤其是无法原地更新的倒排索引字段，比如text），新文档只存储需要更新的docValue字段。旧文档被标记删除后，Lucene在段合并时能高效清理冗余，大幅减少不必要的磁盘占用。
• 完全适配大量docValue更新的场景：因为它避免了重复存储未修改的字段，能显著降低段的膨胀速度，减少磁盘开销和段合并的资源消耗，比updateDocument更适合这类高频更新场景。

2. 调用softUpdateDocument时，文档包含多种字段（string、docValues、text等），应传入全量原文档还是仅目标docValue字段？ #

• 只需要传入仅包含待更新docValue字段的新Document或单独Field实例。
• 原因：softUpdateDocument的设计初衷就是只更新指定的docValue字段，Lucene会自动保留旧文档中未被传入的其他字段数据。如果传入全量原文档，会触发所有字段的重新索引，直接失去softUpdate的优化优势，行为和updateDocument完全一致。
• 注意：传入的docValue字段要和原文档中的字段名、类型严格匹配，否则可能导致字段数据异常或更新失败。

内容的提问来源于stack exchange，提问作者Abhishek Chandran