solr新手指南

最近项目中有用到solr作为搜索引擎，然后感觉中文资料比较少，所以自己结合网上的一些资料和英文文档写出了以下指南，有错误的地方还望指正。

1. 简介
Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。同时对其进行了扩展，提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面，是一款非常优秀的全文搜索引擎。
它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过Http Get操作提出查找请求，并得到XML格式的返回结果。（来自百度百科=。=）

2. 安装

• 安装：
  在安装solr之前，你需要安装1.7或者更高版本的JRE。
  在solr官网上下载5.3.1版本的solr，然后解压到你想安装的文件夹。解压完后，你可以运行$ bin/solr start来启动solr，solr会默认运行在8983端口，你可以使用$ bin/solr -help来查看命令帮助。
  成功启动后，你可以访问http://localhost:8983/solr/ 来查看solr的管理界面。
• 创建core：
  在开始用solr进行索引和搜索之前，你需要创建一个core（相当于mysql的database）。
  我们进入/server/solr/目录，新建一个core_example（此处自己命名）目录,，然后将/server/solr/configsets/basic_configs下的conf目录copy至该目录，并且再新建个data目录，用来存储数据和索引。
  然后进入solr的管理页面，在core admin处新建一个core，将instanceDir和dataDir指向你刚才创建的core_example和core_example/data目录，点击确定后，重启solr后，你就可以在管理页面的”core selector”的下拉框中选择刚才创建的core了，这样一个core就创建完成了。

3. 配置

• documents：
  solr的基本数据单元是一个document，可以把document想象成mysql表中的一行数据，document中的字段类型和字段名称都是在schema.xml中定义的。
• schema.xml：
  在schema.xml中，你需要去定义field，相当于你去设计mysql字段，以下是schema.xml中默认定义的id字段：
  <field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />
  “name”便是该field的名字，”type”是指该field的类型(solr系统自己定义了多种类型，用户也可以自己定义field type)，”indexed”为true表示该字段会被索引，”stored”为true表示该字段会被存储，”required”为true表示该字段是必须的，”multiValued”为true表示该一个document在该字段上会包含多个值。
  所以在你用solr进行搜索之前，你需要知道你要搜索的数据有哪些字段，哪些字段需要进行索引，哪些字段需要存储，然后定义好schema.xml。最后记得重启solr。

4. 整合中文分词
全文检索引擎Solr系列——整合中文分词组件IKAnalyzer，这篇文章已经把如何整合的过程讲述地比较清楚了。但是其中自己重新实现IKAnalyzerSolrFactory的例子中有几处代码错误，所以经过我自己的尝试后，我将正确的步骤和代码整理如下：

• 从https://github.com/blueshen/ik-analyzer 下载IK源码，这里用maven作为包管理工具，这样你就不用从官网上下载源码后，还要自己导入依赖库文件。
• 新建IKAnalyzerSolrFactory类：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

package org.wltea.analyzer.lucene;
import java.io.Reader;
import java.util.Map;
import org.apache.lucene.analysis.Tokenizer;
import org.apache.lucene.analysis.util.TokenizerFactory;
//lucene:4.8之前的版本
//import org.apache.lucene.util.AttributeSource.AttributeFactory;
//lucene:4.9
import org.apache.lucene.util.AttributeFactory;
public class IKAnalyzerSolrFactory extends TokenizerFactory{
    private boolean useSmart;
    public boolean useSmart() {
        return useSmart;
    }
    public void setUseSmart(boolean useSmart) {
        this.useSmart = useSmart;
    }
    public IKAnalyzerSolrFactory(Map<String,String> args) 
    {
        super(args);
        this.setUseSmart(
            args.get("useSmart").toString().equals("true"));                             
    }
    @Override
    public Tokenizer create(AttributeFactory factory) {
        Tokenizer _IKTokenizer = 
        new IKTokenizer(this.useSmart);
        return _IKTokenizer;
    }
}

• 运行mvn clean install，将源码打包成.jar文件。再按照上述文章的步骤集成至solr即可。
• 最后别忘记重启solr（添加停用词和用户自定义词典后都需要重启）。这样就实现了索引时使用最细粒度分词，查询时最大分词（智能分词）的效果！

5. 从mysql导入数据
Solr之搭建Solr5.2.1服务并从Mysql上导入数据，这篇文章已经写的比较详细了。

6. 其他
由于solr的索引和查询命令在官网上面都有说明，而且不同的语言应该都有相应的sdk，所以我在这就不再赘述。我用的是php，所以就推荐一个php操作solr的sdk：solariumphp/solarium
这里在附上一个solr的英文文档链接：apache-solr-ref-guide，schema.xml定义和indexing,search参数在里面都有详细的说明。

上一篇：JAVA多线程学习

下一篇：PHP的基础知识