`

利用SOLR搭建企业搜索平台

阅读更多
转自:http://fangxia722.blog.163.com/blog/static/31729012201056111940414/
                                                      利用SOLR搭建企业搜索平台 之一(运行solr)
  1》 首先下载好solr,我用的是 solr1.3,下载地址:
  windows版本
  http://labs.xiaonei.com/apache-m ... ache-solr-1.3.0.zip
  linux版本
  http://labs.xiaonei.com/apache-m ... ache-solr-1.3.0.tgz
  2》准备运行容器,我用的是tomcat6.0.20.如果是玩的话,也可以不用准备专门的容易,你只需解压好solr的下载包,找到 example文件夹,然后运行 start.jar。具体指令:java -jar start.jar做应用的时候,不建议采用该方式。该方式内部包含了jetty!
  3》有关tomcat的使用,不是本文的重点,如果你有问题,请参见tomcat的使用。解压好tomcat,将solr包下面的dist文件夹中的apache-solr-1.3.0.war 拷贝到 tomcat的webapps,并且改名为 solr.war。
  4》新建一个 solr-tomcat文件夹,我是把这个文件夹建立在C盘根目录,你可以采用同样方式,也可以不这样,放哪由你决定。建立好该文件夹以后,在把它下面在建立一个solr文件夹,把solr包里面的example\solr文件夹下面的所有文件放入到 solr里面。
  5》最后一步 配置 solr.home,可以有三种方式。
  1)基于当前路径的方式
  这种情况需要在c:\solr-tomcat\目录下去启动tomcat,Solr查找./solr,因此在启动时候需要切换到c:\solr-tomcat\
  2)基于环境变量
  windows在环境变量中建立solr.home,值为c:\solr-tomcat
  linux在当前用户的环境变量中(.bash_profile)或在catalina.sh中添加如下环境变量
  export JAVA_OPTS="$JAVA_OPTS -Dsolr.solr.home=/opt/solr-tomcat/solr"
  3)基于JNDI
  在tomcat的conf文件夹建立Catalina文件夹,然后在Catalina文件夹中在建立localhost文件夹,在该文件夹下面建立solr.xml,其中内容:
  Xml代码   
<Context docBase="c:\tomcat\webapps\solr.war" debug="0" crossContext="true" > 
   <Environment name="solr/home" type="java.lang.String" value="c:/solr-tomcat/solr" override="true" /> 
</Context>
  问题描述:
  个人发现的一个问题,就是如果配置好JNDI的话,然后在tomcat的bin文件夹下面启动 tomcat的话,会在tomcat的bin下面建立solr文件夹,这个文件夹中主要存放的索引文件。本来这些东西应该放入c:\solr- tomcat\solr。如果你不想出现这种情况的话,请使用基于当前路径的方式。
  6》打开浏览器,请看看能否访问该服务。如果能够访问,恭喜您跑起来了。
 
                                                      利用SOLR搭建企业搜索平台 之二(中文分词)

 在上面的一个文章中,已经使solr跑起来了,在上面的基础上,加入中文分词。我用的是paoding分词器!
 1》请下好paoding分词器,下载地址:
 http://code.google.com/p/paoding/downloads/list,在这里要非常感谢paoding作者:qieqie
 在使用paoding的时候要注意:paoding的dic位置,也就是字典的位置,有两种办法解决:              
 1) 在系统环境变量中加入PAODING_DIC_HOME这个变量,值为paoding压缩包下面的dic的解压位置。
 2)paoding-analysis.jar里面有个paoding-dic-home.properties文件,指定dic也可,但是要重新编译这个jar包,我采用的后面一种办法,只要每次固定好dic位置,部署还不是很不方便,设置环境变量我比较反感
 2》建立文件
  Java代码  
package com.yeedoo.slor.tokenizer; 
 
import java.io.Reader; 
import java.util.Map; 
 
import net.paoding.analysis.analyzer.PaodingTokenizer; 
import net.paoding.analysis.analyzer.TokenCollector; 
import net.paoding.analysis.analyzer.impl.MaxWordLengthTokenCollector; 
import net.paoding.analysis.analyzer.impl.MostWordsTokenCollector; 
import net.paoding.analysis.knife.PaodingMaker; 
 
import org.apache.lucene.analysis.TokenStream; 
import org.apache.solr.analysis.BaseTokenizerFactory; 
 
public class ChineseTokenizerFactory extends BaseTokenizerFactory { 
 /** 
 * 最多切分 默认模式 
 */ 
 public static final String MOST_WORDS_MODE = "most-words"; 
 /** 
 * 按最大切分 
 */ 
 public static final String MAX_WORD_LENGTH_MODE = "max-word-length"; 
 private String mode = null; 
 public void setMode(String mode) { 
 if (mode == null || MOST_WORDS_MODE.equalsIgnoreCase(mode) || "default".equalsIgnoreCase(mode)){ 
  this.mode = MOST_WORDS_MODE; 
 } else if (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) { 
  this.mode = MAX_WORD_LENGTH_MODE; 
 } else { 
  throw new IllegalArgumentException("不合法的分析器Mode参数设置:" + mode); 
 } 
 } 
 
 @Override 
 public void init(Map<String,String> args) { 
 super.init(args); 
 setMode(args.get("mode").toString()); 
 } 
 
 public TokenStream create(Reader input) { 
 return new PaodingTokenizer(input, PaodingMaker.make(), createTokenCollector()); 
 } 
 
 private TokenCollector createTokenCollector() { 
 if (MOST_WORDS_MODE.equals(mode)) 
  return new MostWordsTokenCollector(); 
 if (MAX_WORD_LENGTH_MODE.equals(mode)) 
  return new MaxWordLengthTokenCollector(); 
 throw new Error("never happened"); 
 } 
 
}
  
                                                             利用SOLR搭建企业搜索平台 之三(配置文件)
  在solr里面主要的就是solr的主目录下面的schema.xml,solrConfig.xml,如果你看过前两篇文章的话,你应该知道solr的主目录处于什么位置(c:\solr-tomcat\solr\conf\)。
  在这个文章中,我们首先来说说这个schema.xml。
  schema.xml,这个相当于数据表配置文件,它定义了加入索引的数据的数据类型的。主要包括types、fields和其他的一些缺省设置。
  1》首先需要在types结点内定义一个FieldType子结点,包括name,class,positionIncrementGap等等一些参数,name就是这个FieldType的名称,class指向org.apache.solr.analysis包里面对应的class名称,用来定义这个类型的行为。在FieldType定义的时候最重要的就是定义这个类型的数据在建立索引和进行查询的时候要使用的分析器analyzer,包括分词和过滤。在例子中text这个FieldType在定义的时候,在index的analyzer中使用 solr.WhitespaceTokenizerFactory这个分词包,就是空格分词,然后使用 solr.StopFilterFactory,solr.WordDelimiterFilterFactory,solr.LowerCaseFilterFactory,solr.EnglishPorterFilterFactory,solr.RemoveDuplicatesTokenFilterFactory 这几个过滤器。在向索引库中添加text类型的索引的时候,Solr会首先用空格进行分词,然后把分词结果依次使用指定的过滤器进行过滤,最后剩下的结果才会加入到索引库中以备查询。Solr的analysis包并没有带支持中文的包,在第二篇文章中详细讲了怎样添加paoding中文分词器,详情请参见http://lianj-lee.javaeye.com/blog/424474
  2》接下来的工作就是在fields结点内定义具体的字段(类似数据库中的字段),就是filed,filed定义包括name,type(为之前定义过的各种FieldType),indexed(是否被索引),stored(是否被储存),multiValued(是否有多个值)等等。
  例:
  Xml代码   
<fields> 
 <field name="id" type="integer" indexed="true" stored="true" required="true" /> 
 <field name="name" type="text" indexed="true" stored="true" /> 
 <field name="summary" type="text" indexed="true" stored="true" /> 
 <field name="author" type="string" indexed="true" stored="true" /> 
 <field name="date" type="date" indexed="false" stored="true" /> 
 <field name="content" type="text" indexed="true" stored="false" /> 
 <field name="keywords" type="keyword_text" indexed="true" stored="false" multiValued="true" /> 
 <field name="all" type="text" indexed="true" stored="false" multiValued="true"/> 
</fields>
  field的定义相当重要,有几个技巧需注意一下,对可能存在多值得字段尽量设置multiValued属性为true,避免建索引是抛出错误;如果不需要存储相应字段值,尽量将stored属性设为false。
  3》建议建立了一个拷贝字段,将所有的全文字段复制到一个字段中,以便进行统一的检索:
  Xml代码
       <field name="all" type="text" indexed="true" stored="false" multiValued="true"/>
  并在拷贝字段结点处完成拷贝设置:
  Xml代码 <copyField source="name" dest="all"/> 
       <copyField source="summary" dest="all"/>
  4》除此之外,还可以定义动态字段,所谓动态字段就是不用指定具体的名称,只要定义字段名称的规则,例如定义一个 dynamicField,name 为*_i,定义它的type为text,那么在使用这个字段的时候,任何以_i结尾的字段都被认为是符合这个定义的,例如:name_i,gender_i,school_i等。
 
                                            利用SOLR搭建企业搜索平台 之四(MultiCore)
  1》找到solr下载包中的example文件夹,在它的下面有个multicore文件夹,将这个文件夹下面的所有东西copy到 c:\solr-tomcat\solr下面。
  注意:有一个 solr.xml(这只是默认文件,当然也可以指定别的文件),如:
  Xml代码   
<?xml version="1.0" encoding="UTF-8" ?>  
 <solr persistent="false">   
  <cores adminPath="/admin/cores">  
   <core name="core0" instanceDir="core0" />  
   <core name="core1" instanceDir="core1" />  
  </cores>  
 </solr> 
  这个文件是告诉solr应该加载哪些core,cores里有 core0,core1。core0(可以类比以前的solr.home)/conf目录下有schema.xml与solrconfig.xml,可以把实际应用的复制过来。现示例就用官方的了。
  2》启动tomcat,访问应用,就可以看到有 Admin core0 和 Admin core1
  3》采用上面的默认solr.xml,索引文件将存放在同一个目录下面,在这里将存放在C:\solr-tomcat\solr\data,如果你想更改目录,或者两个应用存放在不同的目录,请参见下面的xml。
 Xml代码
    <core name="core0" instanceDir="core0"> 
  <property name="dataDir" value="/data/core0" /> 
 </core>
  给core添加子元素 property,property的两个属性就不说了,一看就能明白!
  solr.core.name -- The core's name as defined in solr.xml
  solr.core.instanceDir -- The core's instance directory (i.e. the directory under which that core's conf/ and data/ directory are located)
  solr.core.dataDir -- The core's data directory (i.e. the directory under which that core's index directory are located)
  solr.core.configName -- The name of the core's config file (solrconfig.xml by default)
  solr.core.schemaName -- The name of the core's schema file (schema.xml by default)
  4》solr.xml具体含义:
  1)solr
  The <solr> tag accepts two attributes:
  persistent - By default, should runtime core manipulation be saved in solr.xml so that it is available after a restart.
  sharedLib - Path to a directory containing .jar files that are added to the classpath of every core. The path is relative to solr.home (where solr.xml sits)
  2)cores
  The <cores> tag accepts two attribute:
  adminPath - Relative path to access the CoreAdminHandler for dynamic core manipulation. For example, adminPath="/admin/cores" configures access via  http://localhost:8983/solr/admin/cores. If this attribute is not specified, dynamic manipulation is unavailable.
  3)core
  The <core> tag accepts two attributes:
  name - The registered core name. This will be how the core is accessed.
  instanceDir - The solr.home directory for a given core.
  dataDir - The data directory for a given core. The default is <instanceDir>/data . It can take an absolute path or a relative path w.r.t instanceDir .  Solr1.4
  4)property
  The <property> tag accepts two attributes:
  name - The name of the property
  value - The value of the property
  由于E文过于简单,所以就不翻译了!
 
                                                               利用SOLR搭建企业搜索平台 之五(solrj)
  比如提交一个xml,采用post方式,尽管有些文章说了可以采用httpclient。但是我那个时候,还不是很理解,当然现在看来其实也没有什么了。但是对于一个刚入门solr的初学者,我想讲讲关于solr1.3的 solrj( sorlr J 目前使用二进制的格式作为默认的格式。对于solr1.2的用户通过显示的设置才能使用XML格式。)!
  先上一个例子:
  Java代码
public static final String SOLR_URL = "http://localhost/solr/core0"; 
public static void commit() { 
 Date date = new Date(); 
 SolrServer solr = null; 
 try { 
 solr = new CommonsHttpSolrServer(SOLR_URL); 
 } catch (MalformedURLException e1) { 
 e1.printStackTrace(); 
 } 
for (int i = 0; i < 10000; i++) { 
  SolrInputDocument sid = new SolrInputDocument(); 
  sid.addField("id", i); 
  sid.addField("name", "struts+hibernate+spring 开发大全" + i); 
  sid.addField("summary", "三种框架的综合应用" + i); 
  sid.addField("author", "李良杰" + i); 
  sid.addField("date", new Date()); 
  sid.addField("content", "高级应用类书籍" + i); 
  sid.addField("keywords", "SSH" + i); 
  try { 
  solr.add(sid); 
  } catch (MalformedURLException e) { 
  e.printStackTrace(); 
  } catch (SolrServerException e) { 
  e.printStackTrace(); 
  } catch (IOException e) { 
  e.printStackTrace(); 
  } 
  System.out.println(i); 
  if (i == 999) 
  System.out.println((new Date().getTime() - date.getTime()) / 60000 + "分钟"); 
 } 
 try { 
  solr.commit(); 
 } catch (SolrServerException e) { 
  e.printStackTrace(); 
 } catch (IOException e) { 
  e.printStackTrace(); 
 } 
}
  上面这段代码的意思是:利用for提交10000个document,并打印提交10000所需的时间。
  1》CommonsHttpSolrServer 使用HTTPClient 和solr服务器进行通信。
  2》CommonsHttpSorlrServer 允许设置链接属性。
  Java代码
   server.setSoTimeout(1000); // socket read timeout  
 server.setConnectionTimeout(100);  
 server.setDefaultMaxConnectionsPerHost(100);  
 server.setMaxTotalConnections(100);  
 server.setFollowRedirects(false); // defaults to false  
 // allowCompression defaults to false.  
 // Server side must support gzip or deflate for this to have any effect.  
 server.setAllowCompression(true);  
 server.setMaxRetries(1); // defaults to 0. > 1 not recommended. 
  3》实现SolrServer接口的另一个类:EmbeddedSorrServer,它不需要http连接。
  4》在构造document的时候,可以一个一个添加到solrServer,也可以构建一个包含document的Collection,将Collection添加到solrServer,然后commit。
  5》也可以构造一个跟document匹配的JavaBean进行提交
  使用 java 注释创建java bean。@Field ,可以被用在域上,或者是setter方法上。如果一个域的名称跟bean的名称是不一样的,那么在java注释中填写别名,具体的,可以参照下面的域categories         
  Java代码    
import org.apache.solr.client.solrj.beans.Field;  
 public class Item {  
  @Field  
  String id;  
  @Field("cat")  
  String[] categories;  
  @Field  
  List<String> features;  
 } 
  java注释也可以使用在setter方法上,如下面的例子:
  Java代码
@Field("cat")  
 public void setCategory(String[] c){  
   this.categories = c;  
 } 
  这里应该要有一个相对的,get方法(没有加java注释的)来读取属性
  Java代码
Item item = new Item();  
item.id = "one";  
item.categories = new String[] { "aaa", "bbb", "ccc" }; 

  添加给solr         

  Java代码

server.addBean(item); 

  将多个bean提交给solr

  Java代码

List<Item> beans ;  
//add Item objects to the list  
server.addBeans(beans);    

  注意: 你可以重复使用SolrServer,这样可以提高性能。

  6》

  Java代码

public static void update() { 
 SolrServer solrServer = null; 
 try { 
 solrServer = new CommonsHttpSolrServer(SOLR_URL); 
 } catch (MalformedURLException e) { 
 e.printStackTrace(); 
 } 
 UpdateRequest updateRequest = new UpdateRequest(); 
 SolrInputDocument sid = new SolrInputDocument(); 
 sid.addField("id", 100000); 
 sid.addField("name", "struts+hibernate+spring 开发大全"); 
 sid.addField("summary", "三种框架的综合应用"); 
 sid.addField("author", "李良杰"); 
 sid.addField("date", new Date()); 
 sid.addField("content", "高级应用类书籍"); 
 sid.addField("keywords", "SSH"); 
 updateRequest.setAction(UpdateRequest.ACTION.COMMIT, false, false);  
 updateRequest.add(sid);  
 try { 
 UpdateResponse updateResponse = updateRequest.process(solrServer); 
 System.out.println(updateResponse.getStatus()); 
 } catch (SolrServerException e) { 
 e.printStackTrace(); 
 } catch (IOException e) { 
 e.printStackTrace(); 
 } 
}
  提交一个document,采用更新方式,注意:
  Java代码
updateRequest.setAction(UpdateRequest.ACTION.COMMIT, false, false);
  7》
  Java代码
public static void query() { 
 SolrServer solr = null; 
 try { 
 solr = new CommonsHttpSolrServer(SOLR_URL); 
 } catch (MalformedURLException e) { 
 e.printStackTrace(); 
 return; 
 } 
 // http://localhost:8983/solr/spellCheckCompRH?q=epod&spellcheck=on&spellcheck.build=true 
 ModifiableSolrParams params = new ModifiableSolrParams(); 
 params.set("qt", "/spellCheckCompRH"); 
 params.set("q", "编程"); 
 params.set("spellcheck", "on"); 
 params.set("spellcheck.build", "true"); 
 QueryResponse response = null; 
 try { 
 response = solr.query(params); 
 } catch (SolrServerException e) { 
 e.printStackTrace(); 
 return; 
 } 
 System.out.println("response = " + response); 
}
  这是一个查询方法。关键字:“编程”。关于查询的关键字,请参见slor wiki http://wiki.apache.org/solr/QueryParametersIndex,或等待我的博客更新,在后面会有篇文章详细讲这个问题!
  8》给solr的索引文件手动进行优化,
solr.optimize();
  9》solrJ 提供了一组API,来帮助我们创建查询,下面是一个faceted query的例子。
SolrServer server = getSolrServer();  
SolrQuery  solrQuery = new  SolrQuery().setQuery("ipod").setFacet(true).setFacetMinCount(1).setFacetLimit(8).    addFacetField("category").addFacetField("inStock");   
QueryResponse rsp = server.query(solrQuery); 
  所有的 setter/add 方法都是返回它自己本身的实例,所以就像你所看到的一样,上面的用法是链式的。
 
 
                                              利用SOLR搭建企业搜索平台 之六(solr查询参数说明)

  在做solr查询的时候,solr提供了很多参数来扩展它自身的强大功能!以下是使用频率最高的一些参数!

  具体请看:

  1.常用

  q - 查询字符串,必须的。查询语句(类似SQL) 相关详细的操作还需lucene 的query 语法

  fl - 指定返回那些字段内容,用逗号或空格分隔多个。

  start - 返回第一条记录在完整找到结果中的偏移位置,0开始,一般分页用。

  rows - 指定返回结果最多有多少条记录,配合start来实现分页。

  sort - 排序,格式:sort=<field name>+<desc|asc>[,<field name>+<desc|asc>]… 。示例:(score desc, price asc)表示先 “score” 降序, 再 “price” 升序,默认是相关性降序。

  wt - (writer type)指定输出格式,可以有 xml, json, php, phps, 后面 solr 1.3增加的,要用通知我们,因为默认没有打开。

  fl表示索引显示那些field(*表示所有field, score 是solr 的一个匹配热度)

  q.op 表示q 中 查询语句的 各条件的逻辑操作 AND(与) OR(或)

  hl 是否高亮

  hl.fl 高亮field

  hl.snippets 不太清楚(反正是设置高亮3就可以了)

  hl.simple.pre 高亮前面的格式

  hl.simple.post 高亮后面的格式

  facet 是否启动统计

  facet.field  统计field

  fq - (filter query)过虑查询,作用:在q查询符合结果中同时是fq查询符合的,例如:q=mm&fq=date_time:[20081001 TO 20091031],找关键字mm,并且date_time是20081001到20091031之间的。官方文档:http://wiki.apache.org/solr/Comm ... ec487758577506d6002

  2.不常用

  q.op - 覆盖schema.xml的defaultOperator(有空格时用"AND"还是用"OR"操作逻辑),一般默认指定

  df - 默认的查询字段,一般默认指定

  qt - (query type)指定那个类型来处理查询请求,一般不用指定,默认是standard。

  3.其它

  indent - 返回的结果是否缩进,默认关闭,用 indent=true|on 开启,一般调试json,php,phps,ruby输出才有必要用这个参数。

  version - 查询语法的版本,建议不使用它,由服务器指定默认值。
 
 
利用SOLR搭建企业搜索平台 之七(solr使用问题集)

  某日,突发奇想,想写这么一个博客,希望记录下所有在solr中使用的毛病。而且我希望广大的看友们也能一起来说说你们平时遇到的各种错误,这样大家才能一起更好的进步!

  话不多说,进入正题

  1》solr 做索引时报 Lock obtain timed out: SingleInstanceLock: write.lock

  有个频繁做索引的应用,它同时也对外提供搜索服务。大部分是 solr 1.3 的默认配置。solr 做索引,有时候报:

  Xml代码

2009-7-13 9:48:06 org.apache.solr.common.SolrException log 
严重: org.apache.lucene.store.LockObtainFailedException: Lock obtain timed out: SingleInstanceLock: write.lock 
    at org.apache.lucene.store.Lock.obtain(Lock.java:85) 
    at org.apache.lucene.index.IndexWriter.init(IndexWriter.java:1140) 
    at org.apache.lucene.index.IndexWriter.<init>(IndexWriter.java:938) 
    at org.apache.solr.update.SolrIndexWriter.<init>(SolrIndexWriter.java:116) 
...

  是写锁取不到。但重启 solr 又可以正常做,主要是运行时间长了就报这个错了。还是看下配置吧。

  看到 solr 1.3 默认的配置是:

  Xml代码

<indexDefaults>  
  <!-- ... -->  
  <!--  
   This option specifies which Lucene LockFactory implementation to use.  
  
   single = SingleInstanceLockFactory - suggested for a read-only index  
        or when there is no possibility of another process trying  
        to modify the index.  
   native = NativeFSLockFactory  
   simple = SimpleFSLockFactory  
  
   (For backwards compatibility with Solr 1.2, 'simple' is the default  
    if not specified.)  
  -->  
  <lockType>single</lockType>  
</indexDefaults> 
 
 
  默认锁是 single ,只读的。solr 1.2 是 simple,把它改回去了,运行了几天,没事。

  2》lucene & solr optimize 索引后结果与平台有点关系

  昨日做索引的程序重构下,测试 optimize 索引(在原有数据基础上提交索引)时,在开发的机器(windows)里总是会有两段索引,要再 optimize 才只是一个索引段,当然不是设置 maxSegments=2。反复运行还是如此,为了说明是否写的程序有问题,就用 solr 自带的 post.sh (或 post.jar)提交 optimize。结果还是有两段,再提交一次optimize 才是一个段。这问题……

  旧的程序运行得很正常,看了下它也没有提交两次优化。然后把新的程序也放到服务器(linux)上运行,结果是只有一个段。

  恩,可以认为是与文件系统有关,optimize 的时候是先新生成一段,然后再删除旧的索引,windows 可能是这样在运行期间与文件关联着删除不了旧的。linux 可能是不用(不打开)文件就可以删除。现只能这样简单解释。

  3》换 solr 里的 lucene 包

  solr 1.3 发布的时候,lucene 2.4还没有正式发布,其的 lucene 是开发版,现在lucene 2.4早已发布,那就换上新的 lucene 吧。

  下载 solr 1.3 http://labs.xiaonei.com/apache-m ... ache-solr-1.3.0.zip 和 lucene 2.4 http://labs.xiaonei.com/apache-m ... va/lucene-2.4.0.zip 到目录如e:/search/,

  把 e:/search/apache-solr-1.3/lib 目录下的 lucene 相关的*.jar删除:

  lucene-analyzers-2.4-dev.jar

  lucene-core-2.4-dev.jar

  lucene-highlighter-2.4-dev.jar

  lucene-memory-2.4-dev.jar

  lucene-queries-2.4-dev.jar

  lucene-snowball-2.4-dev.jar

  lucene-spellchecker-2.4-dev.jar

  从 e:/search/lucene-2.4/(或contrib/)目录下找到对应的放到solr-1.3/lib下

  然后构建 solr,到e:/search/apache-solr-1.3目录,ant dist-war

  4》solr q查询容错性

  当solr接收没q参数(或q参数值为空)请求时,会报错。报错十分讨厌,对开发调试时才比较有用,但实际运行环境报错就不太好了,java异常可能有点性能消耗,那干脆就返回正常的结果好了(只是结果里没有找到的数据)。

  solr 1.3 可以写个组件去做。判断到空的时候,加一个q参数,其值为在索引里没有的数据。这样就可以返回没有数据的结果。

  其实这样实现还是比较麻烦。可以在 solrconfig.xml的requestHandler里加一个默认参数。如q=abcdefghijk。配置如下:

  Xml代码

<requestHandler name="standard" class="solr.SearchHandler" default="true">  
  <lst name="defaults">  
   <str name="q">abcdefghijk</str>  
  </lst>  
</requestHandler> 

  这样的话查询容错性比较好,查询请求没有带q参数也可,q参数值为空也可。tomcat不会报错,还可以返回结果。
 
 
 
利用SOLR搭建企业搜索平台 之八(solr 实现去掉重复的搜索结果,打SOLR-236_collapsing.patch补丁

  引用Bory.Chanhttp://blog.chenlb.com/2009/04/a ... plicate-result.html

  打上SOLR-236_collapsing.patch补丁,实现 solr 搜索结果折叠、除去重复的搜索结果,可以实现类似google搜索结果的“站内的其它相关信息 ”。solr collapsing patch 是用 hash 某个字段来实现折叠重复结果的。下面我演示下应用这个补丁并搜索试用下。

  其实 solr 上已经有了这功能的实现:solr 1.3 collapse patch, 请看:https://issues.apache.org/jira/browse/SOLR-236,我这里下载是了新的:https://issues.apache.org/jira/s ... 36_collapsing.patch

  下载好后就需要打上补丁了,先准备一份源码在D:/apache-solr-1.3.0目录下。没有可以去下载:http: //archive.apache.org/dist/lucene/solr/1.3.0/apache-solr-1.3.0.zip。把SOLR- 236_collapsing.patch文件放在D:/apache-solr-1.3.0目录下, 打补丁有我知道的有两种:用linux工具 patch(windows 下有 cygwin);用 ant 的 patch。

  windows cygwin 的 patch:

  Html代码

D:\apache-solr-1.3.0>patch -p0 < SOLR-236_collapsing.patch 
patching file src/test/org/apache/solr/search/TestDocSet.java 
patching file src/java/org/apache/solr/search/CollapseFilter.java 
patching file src/java/org/apache/solr/search/DocSet.java 
patching file src/java/org/apache/solr/search/NegatedDocSet.java 
patching file src/java/org/apache/solr/search/SolrIndexSearcher.java 
patching file src/java/org/apache/solr/common/params/CollapseParams.java 
patching file src/java/org/apache/solr/handler/component/CollapseComponent.java
 
 
 
  ant patch,把下面的内容保存为 patch-build.xml 放到 D:\apache-solr-1.3.0 目录下:

  Xml代码

<?xml version="1.0" encoding="UTF-8"?>  
<project name="solr-patch" default="apply-patch" basedir=".">   
  
  <target name="apply-patch" description="Apply a patch file. Set -Dpatch.file">  
    <patch patchfile="${patch.file}" strip="0"/>  
  </target>  
</project> 

  ant 打补丁:

  Html代码 D:\apache-solr-1.3.0>ant -Dpatch.file=SOLR-236_collapsing.patch -f patch-build.xml 
Buildfile: patch-build.xml 
 
apply-patch: 
[patch] patching file src/test/org/apache/solr/search/TestDocSet.java 
[patch] patching file src/java/org/apache/solr/search/CollapseFilter.java 
[patch] patching file src/java/org/apache/solr/search/DocSet.java 
[patch] patching file src/java/org/apache/solr/search/NegatedDocSet.java 
[patch] patching file src/java/org/apache/solr/search/SolrIndexSearcher.java 
[patch] patching file src/java/org/apache/solr/common/params/CollapseParams.java 
[patch] patching file src/java/org/apache/solr/handler/component/CollapseComponent.java 
 
BUILD SUCCESSFUL 
Total time: 0 seconds 
 
 
 
  源码打上了补丁,然后用 ant 构建源码:

  D:\apache-solr-1.3.0>ant dist

  在 D:/apache-solr-1.3.0/dist 目录下可以找到编译好的 solr 了。然后把 solr 放到 tomcat 中去运行它,把下面的内容保存在 TOMCAT_HOME/conf/Catalina/localhost/solr.xml 文件中:

  Xml代码

<Context docBase="D:\apache-solr-1.3.0\dist\apache-solr-1.3.0.war" reloadable="true" >  
  <Environment name="solr/home" type="java.lang.String" value="D:\apache-solr-1.3.0\example\solr" override="true" />  
</Context> 

  修改 D:\apache-solr-1.3.0\example\solr\conf\solrconfig.xml 使 solr 可以支持 collapse。

  定义搜索组件,在 QueryComponent 附近:

  <searchComponent name="collapse" class="org.apache.solr.handler.component.CollapseComponent" /> 

  定义一个 handler 使用上面的搜索组件:

  Xml代码

<requestHandler name="collapse" class="solr.SearchHandler">  
 <!-- default values for query parameters -->  
  <lst name="defaults">  
   <str name="echoParams">explicit</str>  
  </lst>  
 <arr name="components">  
  <str>collapse</str>  
  <str>debug</str>  
 </arr>  
</requestHandler> 
 
 
 
  安装启动 tomcat,现在提交一些数据给它,用官方的示例数据就可以了。运行:

  Html代码 D:\apache-solr-1.3.0\example\exampledocs>java -Durl=http://localhost:8080/solr/update -Dcommit=yes -jar post.jar *.xml 
SimplePostTool: version 1.2 
SimplePostTool: WARNING: Make sure your XML documents are encoded in UTF-8, other encodings are not currently supported 
SimplePostTool: POSTing files to http://localhost:8080/solr/update.. 
SimplePostTool: POSTing file hd.xml 
SimplePostTool: POSTing file ipod_other.xml 
SimplePostTool: POSTing file ipod_video.xml 
SimplePostTool: POSTing file mem.xml 
SimplePostTool: POSTing file monitor.xml 
SimplePostTool: POSTing file monitor2.xml 
SimplePostTool: POSTing file mp500.xml 
SimplePostTool: POSTing file sd500.xml 
SimplePostTool: POSTing file solr.xml 
SimplePostTool: POSTing file spellchecker.xml 
SimplePostTool: POSTing file utf8-example.xml 
SimplePostTool: POSTing file vidcard.xml 
SimplePostTool: COMMITting Solr index changes..

  http://localhost:8080/solr/admin/stats.jsp 有结果了? 有了。然后开始查询试试看。

  查询:http://localhost:8080/solr/select/?q=*%3A*&indent=on& qt=collapse&collapse=true&collapse.field=popularity&collapse.threshold=1
 
 
 
 
  结果:

  Xml代码  

<?xml version="1.0" encoding="UTF-8"?>  
<response>  
  
<lst name="responseHeader">  
 <int name="status">0</int>  
 <int name="QTime">0</int>  
 <lst name="params">  
 <str name="collapse.field">popularity</str>  
 <str name="fl">id</str>  
 <str name="collapse.threshold">1</str>  
 <str name="indent">on</str>  
 <str name="q">*:*</str>  
 <str name="qt">collapse</str>  
 <str name="collapse">true</str>  
 </lst>  
</lst>  
<lst name="collapse_counts">  
 <str name="field">popularity</str>  
 <lst name="doc">  
 <int name="SP2514N">4</int>  
 <int name="F8V7067-APL-KIT">1</int>  
 <int name="MA147LL/A">1</int>  
 <int name="TWINX2048-3200PRO">1</int>  
 <int name="VS1GB400C3">3</int>  
 <int name="1">10</int>  
 </lst>  
 <lst name="count">  
 <int name="6">4</int>  
 <int name="1">1</int>  
 <int name="10">1</int>  
 <int name="5">1</int>  
 <int name="7">3</int>  
 <int name="0">10</int>  
 </lst>  
 <str name="debug">HashDocSet(6) Time(ms): 0/0/0/0</str>  
</lst>  
<result name="response" numFound="6" start="0">  
 <doc>  
 <str name="id">SP2514N</str>  
 </doc>  
 <doc>  
 <str name="id">F8V7067-APL-KIT</str>  
 </doc>  
 <doc>  
 <str name="id">MA147LL/A</str>  
 </doc>  
 <doc>  
 <str name="id">TWINX2048-3200PRO</str>  
 </doc>  
 <doc>  
 <str name="id">VS1GB400C3</str>  
 </doc>  
 <doc>  
 <str name="id">1</str>  
 </doc>  
</result>  
</response>  
可以看到 collapse_counts 相关的输出: 
 
<lst name="collapse_counts">  
 <str name="field">popularity</str>  
 <lst name="doc">  
 <int name="SP2514N">4</int>  
...  
 </lst>  
 <lst name="count">  
 <int name="6">4</int>  
 <int name="1">1</int>  
 <int name="10">1</int>  
 <int name="5">1</int>  
 <int name="7">3</int>  
 <int name="0">10</int>  
 </lst>  
 <str name="debug">HashDocSet(6) Time(ms): 0/0/0/0</str>  
</lst> 

  上面的 count 下的内容(它的顺序是result/doc的顺序),表示 popularity=6 相同的结果还有 4 个,与 popularity=1 相同的结果还有 1 个,依此类推。这样就可以显示给用户的界面里提示“相同的其它内容不有N个”。

  使用的参数有:

  #启用 collapse 组件 

  collapse=true 

  #用那个字段来 hash 去除重量内容 

  collapse.field=popularity 

  #要结果中可以最多出现几个相同的文档 

  collapse.threshold=1 

  当然还有其它参数,请看:org.apache.solr.common.params.CollapseParams 类。
 
 
 
 
利用SOLR搭建企业搜索平台 之九(solr的查询语法)

  solr的一些查询语法

  1. 首先假设我的数据里fields有:name, tel, address 预设的搜寻是name这个字段, 如果要搜寻的数据刚好就是 name 这个字段,就不需要指定搜寻字段名称.

  2. 查询规则:

  如欲查询特定字段(非预设字段),请在查询词前加上该字段名称加 “:” (不包含”号) 符号,

  例如: address:北京市海淀区上地软件园 tel:88xxxxx1

  1>. q代表query input

  2>. version代表solr版本(建议不要变动此变量)

  3>. start代表显示结果从哪一笔结果资料开始,预设为0代表第一笔, rows是说要显示几笔数据,预设为10笔

  (因为有时查询结果可能有几百笔,但不需要显示所有结果,所以预设是从第一笔开始到第十笔)

  所以若要显示第10到30笔就改为:

  http: //localhost:8080/solr/select/?indent=on&version=2.2&q=address:北京市海淀区上地软件园+tel:88xxxxx1&version=2.2&start=10&rows= 20&indent=on

  (indent代表输出的xml要不要缩行.预设为开启 on)

  3. 另外,要限定输出结果的内容可用 “fl=” 加上你要的字段名称,如以下这个范例:

  http: //localhost:8080/solr/select/?indent=on&version=2.2&q=text:北京+ OR+text:亿度&start=0&rows=10&fl=name,address,tel

  在fl=之后加上了name,adress,tel

  所以结果会如下:

<result name=”response” numFound=”1340″ start=”0″>
<doc>
<str name=”name”>北京亿度</str>
<str name=”address”>北京市海淀区上地软件园</str>
<str name=”tel”>88xxxxxx1</str>
</doc>
<doc>
<str name=”name”>北京亿度</str>
<str name=”address”/>
<str name=”tel”>88xxxxxx1</str>
</doc>
</result>

  5. 查询 name 或 address:直接输入查询词, 如: 亿度

  送出的内容即为:

  name:亿度 AND address:海淀

  6. 若要搜寻联集结果,请在词与词间空格或加上大写 “OR” (不包含”号).

  例如: text:海淀 OR text:亿度

  text:海淀 OR 亿度 

  或

  海淀 亿度

  或

  name:亿度 OR tel:88xxxxxx1

  或

  name:亿度 tel:88xxxxxx1

  5. 若要搜寻交集结果,请在词与词间加上大写 “AND” 或 “+” (不包含”号).

  例如: text:海淀 AND 亿度 

  或

  +text:海淀 +text:亿度

  或

  name:亿度 AND tel:88xxxxxx1

  或

  name: ( +亿度 +海淀)

  6. 排除查询

  在要排除的词前加上 “-” (不包含”号) 号

  例如: 海淀 -亿度

  搜寻结果不会有包含亿度的词的结果在内

  7. Group 搜寻

  使用 “()” 来包含一个group

  如希望搜寻在店名字段内同时有 “台北”(不包含”号) 及 “火车站”(不包含”号)

  8. 增加权重: 如要搜寻 “北京 加油站”(不包含”号) 但因为回传太多笔资料内有 “中华”(不包含”号) 或 “加油站”(不包含”号) 的结果,

  所以想要把有包含 “加油站”(不包含”号)的数据往前排,可使用 “^”(不包含”号)符号在后面加上愈增加的权重数,

  像是 “2″,则可以这样做:

  北京 加油站^2

  会同时搜寻含有北京或加油站的结果,并把加油站这个词加权所以搜寻时会先判断加油站这一个词在

  搜寻结果中的比重,甚至假设一笔数据内加油站出现过两次以上的就更加会有优先权.

  查询时在查询词后加上 “^” (不包含”号) 再加上权重分数

  例如: 亿度 AND “北京”^2

  或

  亿度^2 OR 北京

  9. Wildcard 搜寻使用 “*” 符号; 如果输入 “中国*银” (不包含”号), 结果会有中国信托商业银行, 中国输出入银行图书阅览室, 中国商银证券

  中国及银之间可夹任何长短字词.
 
 
 
利用SOLR搭建企业搜索平台 之十(数据库数据导入到solr)

  solr不可谓是个好东西啊,越往下挖掘,他的各种功能逐渐的展现在我的面前,对于solr的架构人员,不得不令人佩服啊。

  几天前偶尔看到IBM developmentWorks上面的一片文章,看到了数据库数据的导入,以前我一直是这么认为的,像这种导入可以自己去写程序去导入。

  写程序 可以将数据读出100条,如果你的内存够大,可以是1000条甚至更多,然后放入Collection中,批量提交至solr。或者读取数据写入xml文件中,再将该文件提交到solr等等。但是,在我看到那一篇文章的时候,原来还有这么巧妙的招。

  废话不多说,入正题。

  一.首先准备好solr的dataimport功能需要的东西,在solr的下载包中。分别在:

  1》Solr-1.3.0\dist\apache-solr-dataimporthandler-1.3.0.jar

  2》E:\education\search\Solr-1.3.0\example\example-DIH\solr\

  3》你是哪种数据库,提供该数据库的jdbc驱动。

  二.如果你还不会运行solr,请参考本人的前几篇博客。这里要做的是,先把E:\education\search\Solr-1.3.0 \example\example-DIH\solr\下面的东西拷贝到solr的HOME目录,然后删除rss,这个是另外一个功能是导入rss订阅信息到solr中,确实很强,这都想到了。将jar文件,实际就两个拷贝到tomcat的webapps下面的solr的WEB-INF的lib文件夹下面。

  三.更改solr Home目录下的conf/solrconfig.xml,其实就是提交一个solrRequestHandler,代码如下:

  Xml代码

<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler"> 
  <lst name="defaults"> 
   <str name="config">C:\solr-tomcat\solr\db\conf\db-data-config.xml</str> 
  </lst> 
 </requestHandler>
 
 
 
  四.将solr Home目录下面的solrconfig.xml和schema.xml拷贝到db文件夹下面的conf中。

  五.修改db\conf\db-data-config.xml

  Xml代码

<dataConfig> 
  <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver"  url="jdbc:mysql://localhost:3306/tuitui" user="root"  password="mysql"/> 
  <document name="shop"> 
      <entity name="tuitui_shop" pk="shopId" query="select * from tuitui_shop"> 
      <field column="shopid" name="shopId" /> 
      <field column="shopName" name="shopName" /> 
      <field column="shopUrl" name="shopUrl" /> 
      <field column="keyword" name="keyword" /> 
      <field column="synopsis" name="synopsis" /> 
      <field column="province" name="province" /> 
      <field column="city" name="city" /> 
      <field column="domain" name="domain" /> 
      <field column="address" name="address" /> 
      <field column="coordinate" name="coordinate" /> 
      <field column="shopSspn" name="shopSspn" /> 
      <field column="phone" name="phone" /> 
      <field column="createTime" name="createTime" /> 
    </entity> 
  </document> 
</dataConfig>
 
 
 
  其中的意思我做简单解释,具体大家可以去看看官方wiki。
  document:一个文档也就是lucene的document这个没什么解释的;
  entity:主要针对的是一个数据库表;
  filed:属性column是数据库的字段,name是filed的名字,即schema中的field name
  http://wiki.apache.org/solr/DataImportHandler
  我的数据库表结构发出来:
0 && image.height<0){if(image.width<=700){this.width=700;this.height=image.height*700/image.width;}}" border=0<


  六.启动TOMCAT,输入地址进行导入,导入分为很多模式:我选用的全部倒入模式。
  http://localhost/solr/dataimport?command=full-import
  结果:
  00C:\solr-tomcat\solr\db\conf\db-data-config.xmlfull-importidle1202009-09-0521:28:08Indexing completed. Added/Updated: 2 documents. Deleted 0documents.2009-09-05 21:28:092009-09-05 21:28:090:0:0.579This responseformat is experimental. It is likely to change in the future.
  七.在去查询你刚才提交的数据,搞定。
  最后在说说这个功能。上面的例子只不过是很简单的一个部分。针对solr的MultiCore,通过配置db-data-config.xml也可以实现,还有多表,或者多表关联等等操作只要在db-data-config.xml配置清楚都可以进行数据的导入。
  在solr1.4中还有更多的扩展功能,这些功能为重建索引提供能很方便的操作。而且,datasource不单单指的是database,可以是xml文件,还可以是来自网络上的等等。
 
 
利用SOLR搭建企业搜索平台 之十一(中文分词之IK)

   在经过使用了庖丁以后,这里说说怎么将目前很火很流行的IK集成进SOLR,其实方法真的很简单,比paoding方便不少。这里很感谢IK的作者,蓝山咖啡,很感谢你为中文分词做出的贡献。 作者博客:http://linliangyi2007.javaeye.com
  入正题:
  1》请先去作者博客参看IK下载地址,主要就是一个IKAnalyzer3.1.1Stable.jar。我这里用的是最新版!
  Java代码 package com.yeedoo.slor.tokenizer; 
 
import java.io.Reader; 
 
import org.apache.lucene.analysis.TokenStream; 
import org.apache.solr.analysis.BaseTokenizerFactory; 
import org.wltea.analyzer.lucene.IKAnalyzer; 
 
public class ChineseTokenizerFactory extends BaseTokenizerFactory { 
 
 @Override 
 public TokenStream create(Reader reader) { 
 return new IKAnalyzer().tokenStream("text", reader); 
 } 
 
}
  从代码就可以看得出来真的很方便!将它打包放入solr.war中同时还有IK的jar包。如果你不想打包,请去附件下载已经打好的包。
  2》配置文件
  Xml代码 <fieldType name="text" class="solr.TextField" positi> 
  <analyzer type="index"> 
  <tokenizer class="com.yeedoo.slor.tokenizer.ChineseTokenizerFactory" /> 
  <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositi /> 
  <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" split /> 
  <filter class="solr.LowerCaseFilterFactory" /> 
  <filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt" /> 
  <filter class="solr.RemoveDuplicatesTokenFilterFactory" /> 
  </analyzer> 
  <analyzer type="query"> 
  <tokenizer class="com.yeedoo.slor.tokenizer.ChineseTokenizerFactory" /> 
  <filter class="solr.SynonymFilterFactory" syn ignoreCase="true" expand="true" /> 
  <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /> 
  <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" split /> 
  <filter class="solr.LowerCaseFilterFactory" /> 
  <filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt" /> 
  <filter class="solr.RemoveDuplicatesTokenFilterFactory" /> 
  </analyzer> 
 </fieldType>
  关于这里的配置文件,如果你更详细的了解意思,请参见我的另一篇博客,博客地址:http://lianj-lee.javaeye.com/blog/424474
  3》如果在启动tomcat没有报错的情况下,可以去solr的admin那里尝试看看该分词器的效果,效果如下图:
分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics