深入浅出 jackrabbit 六 文本提取（上)

核心提示： 为了解决这个问题，在jackrabbit中引入了异步处理文本提取任务的功能（它必须是异步的吗？当然不，深入浅出 jackrabbit 六 文本提取（上)(2)，jackrabbit也提供了同步的选择，但是本文主要阐述异步提取的功能，reader=((PooledTextExtractor)ext

为了解决这个问题，在jackrabbit中引入了异步处理文本提取任务的功能（它必须是异步的吗？当然不，jackrabbit也提供了同步的选择，但是本文主要阐述异步提取的功能，所以在下面的文章中我们假设我们配置异步提取的功能），说到这里，我们不得不再说说他是怎么个异步法的呢？它是异步提取，然后由处理提取的线程负责把这个document重新加入到index中呢，还是提取的线程只负责提取，提取完成之后再把提取完成的document交给专门的线程去add到document中呢。

后者，当然是后者，提取的线程只负责提取，有专门的线程来负责更新document到index中。如果说观察者模式是设计模式中的皇后，那么 ahuaxuan可以说，生产消费模型是编程模型中的皇后，它无处不在（您要是天天写crud的话，ahuaxuan很难保证它无处不在）。

在前面的文章中，我们一直在提MultiIndex#indexingqueue，而且一直没有详细解释indexingqueue的功能。其实它就是在异步文本提取中充当着消费队列的职责，提取线程（生产者）再文本提取完成之后，会把document加入到indexingqueue中。那么消费者线程就负责定时的从indexingqueue中取出一件准备好的document，并执行multiindex#update方法。

我们先来看看提取文本是怎么做的。再次回到NodeIndexer类的addBinary方法，我相信大家对这个方法还有印象，他负责创建一个名字叫jcr:data的field。他的值就是来自于二进制文件，比如pdf，doc等等：

Java代码　　　

protected　void　addBinaryValue(Document　doc,　
　　　　　　　　　　　　　　　　　String　fieldName,　
　　　　　　　　　　　　　　　　　Object　internalValue)　{　
　　　　………………………………………………..　
　　　　
　　　　　　　　Reader　reader;　
　　　　　　　　if　(extractor　instanceof　PooledTextExtractor)　{　
//从类名上我们也可以看出点端倪，这里貌似有个线程池。　
　　　　　　　　　　reader　=　((PooledTextExtractor)extractor).extractText(stream,　type,　encoding,　node.getNodeId().getUUID().toString());　
　　　　　　　　}　else　{　
//忽视这个else，假设只进入if，　　　　　　　　　　reader　=　extractor.extractText(stream,　type,　encoding);　
　　　　　　　　}　
//这个createFulltextField方法非常之相当重要。后面会讲到　
　　　　　　　　doc.add(createFulltextField(reader));　
　　　　　　……………………………………………………………..　
　　}