sorl的使用

Sorl定义：

sorl是独立的企业级搜索服务器，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。

同时也可以通过Http Get操作提出查询请求，并以xml返回查询结果

特点：

sorl采用java5开发的基于Lucene的全文服务器。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。

工作方式：

文档通过Http利用XML 加到一个搜索集合中。查询该集合也是通过http收到一个XML/JSON响应来实现。它的主要特性包括：高效、灵活的缓存功能，

垂直搜索功能，高亮显示搜索结果，通过索引复制来提高可用性，提供一套强大Data Schema来定义字段，类型和设置文本分析，提供基于Web的管理界面等。

 

全文检索引擎Solr系列—–全文检索基本原理

http://www.importnew.com/12707.html

全文检索可以归纳为两个过程：1、索引创建（indexing）2、搜索索引（search）

Solr/Lucene采用的是一种反向索引，所谓反向索引：就是从关键字到文档的映射过程，保存这种映射这种信息的索引称为反向索引

索引创建：

 1）把原始文档交给分词组件（Tokenizer）

把文档分解为一个个单词

去除标点符号

去除停词

2）词汇单元(Token)传给语言处理组件(Linguistic Processor)

变为小写

将单词缩减为词根形式

将单词转变为词根形式

3）得到的词（Term）传给索引组件(Indexer)

 搜索过程

1）对查询内容进行语法分析、词法分析、语言处理

2)搜索索引，得到符合语法树的文档集合

3)根据查询语句与文档的相关性，对结果进行排序

Sorl的安装

因为Solr是java开发。所以需要安装jdk，安装环境Linux，需要安装Tomcat。

全文检索引擎Solr系列——Solr核心概念、配置文件

http://www.importnew.com/12770.html

Document

Document是Solr索引（动词，indexing）和搜索的最基本单元，它类似于关系数据库表中的一条记录，可以包含一个或多个字段（Field），每个字段包含一个name和文本值。

字段在被索引的同时可以存储在索引中，搜索时就能返回该字段的值，通常文档都应该包含一个能唯一表示该文档的id字段。例如：

<doc>
    <field name="id">company123</field>
    <field name="companycity">Atlanta</field>
    <field name="companystate">Georgia</field>
    <field name="companyname">Code Monkeys R Us, LLC</field>
    <field name="companydescription">we write lots of code</field>
    <field name="lastmodified">2013-06-01T15:26:37Z</field>
</doc>

Schema

Solr中的Schema类似于关系数据库中的表结构，它以schema.xml的文本形式存在在conf目录下，在添加文当到索引中时需要指定Schema，Schema文件主要包含三部分：字段（Field）、字段类型（FieldType）、唯一键（uniqueKey）

• 字段类型（FieldType）：用来定义添加到索引中的xml文件字段（Field）中的类型，如：int，String，date，
• 字段（Field）：添加到索引文件中时的字段名称
• 唯一键（uniqueKey）：uniqueKey是用来标识文档唯一性的一个字段（Feild），在更新和删除时用到

例如：

<schema name="example" version="1.5">
    <field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />
    <field name="title" type="text_general" indexed="true" stored="true" multiValued="true"/>
 
    <uniqueKey>id</uniqueKey>
    <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
          <analyzer type="index">
            <tokenizer class="solr.StandardTokenizerFactory"/>
            <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
            <!-- in this example, we will only use synonyms at query time
            <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
            -->
            <filter class="solr.LowerCaseFilterFactory"/>
          </analyzer>
          <analyzer type="query">
            <tokenizer class="solr.StandardTokenizerFactory"/>
            <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
            <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
            <filter class="solr.LowerCaseFilterFactory"/>
          </analyzer>
    </fieldType>
</schema>

Field

在Solr中，字段(Field)是构成Document的基本单元。对应于数据库表中的某一列。字段是包括了名称，类型以及对字段对应的值如何处理的一种元数据。比如：

<field name="name" type="text_general" indexed="true" stored="true"/>

• Indexed：Indexed=true时，表示字段会加被Sorl处理加入到索引中，只有被索引的字段才能被搜索到。
• Stored：Stored=true，字段值会以保存一份原始内容在在索引中，可以被搜索组件组件返回，考虑到性能问题，对于长文本就不适合存储在索引中。

Field Type

Solr中每个字段都有一个对应的字段类型，比如：float、long、double、date、text，Solr提供了丰富字段类型，同时，我们还可以自定义适合自己的数据类型，例如：

1 2 3 4 5 6 7 8 9 10

<!-- Ik 分词器 -->  <fieldType name="text_cn_stopword" class="solr.TextField">      <analyzer type="index">          <tokenizer class="org.wltea.analyzer.lucene.IKAnalyzerSolrFactory" useSmart="false"/>      </analyzer>      <analyzer type="query">          <tokenizer class="org.wltea.analyzer.lucene.IKAnalyzerSolrFactory" useSmart="true"/>      </analyzer>  </fieldType>  <!-- Ik 分词器 -->

Solrconfig：

如果把Schema定义为Solr的Model的话，那么Solrconfig就是Solr的Configuration，它定义Solr如果处理索引、高亮、搜索等很多请求，同时还指定了缓存策略，用的比较多的元素包括：

• 指定索引数据路径

1 2 3 4 5 6

<!-- Used to specify an alternate directory to hold all index data other than the default ./data under the Solr home. If replication is in use, this should match the replication configuration. --> <dataDir>${solr.data.dir:./solr/data}</dataDir>

• 缓存参数

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

<filterCache   class="solr.FastLRUCache"   size="512"   initialSize="512"   autowarmCount="0"/>   <!-- queryResultCache caches results of searches - ordered lists of      document ids (DocList) based on a query, a sort, and the range      of documents requested.  -->  <queryResultCache   class="solr.LRUCache"   size="512"   initialSize="512"   autowarmCount="0"/>    <!-- documentCache caches Lucene Document objects (the stored fields for each document).    Since Lucene internal document ids are transient, this cache will not be autowarmed.  -->  <documentCache   class="solr.LRUCache"   size="512"   initialSize="512"   autowarmCount="0"/>

• 请求处理器
  请求处理器用于接收HTTP请求，处理搜索后，返回响应结果的处理器。比如：query请求：

1 2 3 4 5 6 7 8 9

<!-- A request handler that returns indented JSON by default --> <requestHandler name="/query" class="solr.SearchHandler">      <lst name="defaults">        <str name="echoParams">explicit</str>        <str name="wt">json</str>        <str name="indent">true</str>        <str name="df">text</str>      </lst> </requestHandler>

每个请求处理器包括一系列可配置的搜索参数，例如：wt,indent,df等等。  

• 搜索组件

1.    solrJ添加索引库

1、把solrJ的jar包添加到工程。

2、创建一个SolrServer对象。创建一个和sorl服务的连接。HttpSolrServer。

3、创建一个文档对象。SolrInputDocument。

4、向文档对象中添加域。必须有一个id域。而且文档中使用的域必须在schema.xml中定义。

 

 

来源：https://www.cnblogs.com/limingxian537423/p/7618369.html