Apache Solr 实现去掉重复的搜索结果

得过且过

　　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/secure/attachment/12403590/SOLR-236_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：

　　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：

•   
  
•    
  
•   
  
•       
  
•          
  
•       
  
•   
  

　　ant 打补丁：

　　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：

•   
  
•       
  
•   
  

　　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：

•   
  

　　定义一个 handler 使用上面的搜索组件：

•   
  
•    
  
•      
  
•      explicit  
  
•      
  
•    
  
•     collapse  
  
•     debug  
  
•    
  
•   
  

　　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：

　　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：

•   
  
•   
  
•   
  
•   
  
• 0  
  
• 0  
  
•    
  
•   popularity  
  
•   id  
  
•   1  
  
•   on  
  
•   *:*  
  
•   collapse  
  
•   true  
  
•    
  
•   
  
•   
  
• popularity  
  
•    
  
•   4  
  
•   1  
  
•   1  
  
•   1  
  
•   3  
  
•   10  
  
•    
  
•    
  
•   4  
  
•   1  
  
•   1  
  
•   1  
  
•   3  
  
•   10  
  
•    
  
• HashDocSet(6) Time(ms): 0/0/0/0  
  
•   
  
•   
  
•    
  
•   SP2514N  
  
•    
  
•    
  
•   F8V7067-APL-KIT  
  
•    
  
•    
  
•   MA147LL/A  
  
•    
  
•    
  
•   TWINX2048-3200PRO  
  
•    
  
•    
  
•   VS1GB400C3  
  
•    
  
•    
  
•   1  
  
•    
  
•   
  
•   
  

　　可以看到 collapse_counts 相关的输出：

•   
  
• popularity  
  
•    
  
•   4  
  
• ...  
  
•    
  
•    
  
•   4  
  
•   1  
  
•   1  
  
•   1  
  
•   3  
  
•   10  
  
•    
  
• HashDocSet(6) Time(ms): 0/0/0/0  
  
•   
  

　　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。
　　原文出处：http://blog.chenlb.com/2009/04/apply-solr-collapsing-patch-remove-duplicate-result.html