开源搜索引擎solr4.0+tomcat7实现中文分词
2012年12月16日，solr4.0正式版发布，由于其新功能比较给力（特别是关于分布式的新特性，关联zookeeper等），所以准备替换掉老版本官网下载solr4.0：http://lucene.apache.org/solr/
mmseg4j分词下载：http://code.google.com/p/mmseg4j/downloads/list
词库下载：http://code.google.com/p/mmseg4j/downloads/detail?name=data.zip&can=2&q=
系统：centos 6.2（64位）
ip地址：192.168.1.124
tomcat:apache-tomcat-7.0.29
下载完成后就开始正式配置了
一.安装准备
调整系统参数
在/etc/sysctl.conf配置文件中增加如下内核参数
[*]net.ipv4.tcp_tw_reuse = 1
[*]net.ipv4.tcp_tw_recycle = 1
[*]net.ipv4.tcp_fin_timeout = 5
然后sysctl -p查看一下
附：net.ipv4.tcp_syncookies = 1参数在centos6.2中本身就有，所以我没有加，没有的可自己手动填上
二.安装及配置过程
1.安装tomcat
不做演示，详情见：http://5142926.blog.51cto.com/5132926/960900
修改tomcat配置文件/conf/server.xml
附:即填上utp-8防止中文乱码
2.安装配置solr
(1).解压下载的apache-solr-4.0.0,在他的dist目录下有个文件叫做apache-solr-4.0.0.war，将这个文件拷贝到tomcat的webapps/目录下，并重命名为solr.war
(2).新建/opt/solr-tomcat/solr文件夹，把下载的solr包中的example/solr文件夹下面的所有文件放入到 /opt/solr-tomcat/solr里面
(3).1) 最后一步 配置添加solr.home环境变量，可以有二种方式（两种取其一即可）：
a）基于环境变量
linux在当前用户的环境变量中（.bash_profile）或在./bin/catalina.sh中添加如下环境变量：
[*]export JAVA_OPTS="$JAVA_OPTS -Dsolr.solr.home=/opt/solr-tomcat/solr"
b）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,Xml代码:
[*]
[*]
[*]
附：以上路径都要相互对应
(4).验证安装
访问http:192.168.1.124:8093/solr
附：tomcat默认端口8080，当然我这里改成了8093，大家注意一下
三.中文分词配置
1.将下载到的mmseg4j-1.9.0.v20120712-SNAPSHOT.zip解压，将其目录下的mmseg4j-all-1.9.0.v20120712-SNAPSHOT.jar拷贝到tomcat中webapps/solr/WEB-INF/lib中
2.在/opt/solr-tomcat/solr目录下新建dic文件夹，将解压后的data目录下的words.dic拷贝到/opt/solr-tomcat/solr/dic目录下
3.更改schema.xml(/opt/solr-tomcat/solr/collection1/conf)文件，使分词器起到作用
[*]
[*] ……
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*]
[*] ……
[*]
[*]
[*] ……
[*]
[*]
[*]
[*] ……
[*]
[*]
[*]
[*]
附：dicPath="/opt/solr-tomcat/solr/dic"是你自己的词库路径
4.重启tomcat
访问http:192.168.1.124:8093/solr
点击下方的collection1，其中有个analysis，点击，如下图
在Field Value (Index)中随便输入几行汉字，类型选择complex进行解析
至此，完工，关联分布式还在探索ing，后续......
页:
[1]