Solr：发布的文件数不等于 maxDoc答案

【问题标题】：Solr: Number of posted files does not equal maxDocSolr：发布的文件数不等于 maxDoc
【发布时间】：2013-02-01 22:44:07
【问题描述】：

如果这个问题已经在某处得到回答，我提前道歉 - 我无法找到它。

我对 Solr 比较陌生，并且一直按照tutorial 给出的说明使用默认的 SimplePostTool 从命令行索引我的数据。我目前在测试中使用 Solr 4.0。

首先，我通过查询删除索引中的所有内容。然后我将 SimplePostTool 指向几个目录并索引数万个文件。就我而言，目前，每个 XML 文件都是一个单独的文档。一些文档可能具有相同的 uniqueKey ID。如果重要的话，XML 文档的大小范围为 4-60kB。

SimplePostTool 完成后返回并显示 26,541 个文件已编入索引。然后我查看 Admin collection1 页面，看到 Num Docs = 20,985 和 Max Doc = 22,921。

我看到 other posts 讨论 Num Docs 和 Max Doc 之间的差异（我觉得我充分理解覆盖行为）。我的问题是为什么 SimplePostTool 报告的索引文档数量与 Solr 管理页面给出的 Max Doc 不匹配？

【问题讨论】：

“可能有相同的 uniqueKey ID”，表示第二次上传会覆盖第一次；没有任何警告。实际上，在 Solr 中，更新文档与添加具有相同 ID 的新文档是一样的。
对，我明白。不过，这不是我的问题。

标签： solr indexing

【解决方案1】：

numDocs 和 maxDoc 数量不同的原因：

numDocs 表示索引中可搜索文档的数量（并且将大于 XML 文件的数量，因为某些文件包含多个文件）。 maxDoc 可能更大，因为 maxDoc 计数包括尚未从索引中删除的逻辑删除文档。您可以根据需要一遍又一遍地重新发布示例 XML 文件，并且 numDocs 永远不会增加，因为新文档将不断替换旧文档。来自：Solr official Tutorial 。这适用于旧版本。

您可以通过优化索引来删除逻辑删除的文件 ->

【讨论】：

也许我并不清楚：“在我的情况下……每个 XML 文件都是一个单独的文档。” - 在任何情况下，一个 XML 文件都不会包含一个以上的文档。我希望 SimplePostTool 索引的文档报告数 >= numDocs，但绝不会