Desativar a extração de texto binário para otimizar a indexação do Lucene

Pesquisar

Última atualização em 06/05/2021

Este artigo explica como desabilitar a indexação do conteúdo de arquivos binários, como PDFs e documentos do Office, o que reduz o crescimento do índice. Se você executar uma reindexação nos índices desativados, isso reduzirá o tamanho geral do índice.

Ambiente

AEM 6.x

Etapas

Para desabilitar a indexação de documentos PDF e Microsoft Office:

Acesse http://host:port/crx/packmgr/index.jsp e faça o logon como admin.
Faça o upload do pacote anexado e o instale.
Reinicie o AEM (isso é feito para liberar todos os threads de indexação presos, se houver algum).

Se o objetivo geral é reduzir a quantidade de espaço em disco consumida pelos índices, siga estas etapas adicionais:

Acesse http://host:port/crx/de/index.jsp e faça o logon como admin.
Navegue até /oak:index/lucene.
Defina a propriedade reindex como true.
Navegue até /oak:index/damAssetLucene.
Defina a propriedade reindex como true.
Clique em Salvar tudo. Isso aciona a reindexação dos dois índices.
Leia este artigo para saber como monitorar a indexação.
Execute uma Compactação de tar offline.
Se houver um armazenamento de dados, execute a coleta de lixo do armazenamento de dados.