设为首页 收藏本站
查看: 1220|回复: 0

[经验分享] 三、Solr多核心及分词器(IK)配置

[复制链接]

尚未签到

发表于 2015-7-16 11:14:48 | 显示全部楼层 |阅读模式
多核心的概念
  多核心说白了就是多索引库。也可以理解为多个"数据库表"
  说一下使用multicore的真实场景,比若说,产品搜索和会员信息搜索,不使用多核也没问题,这样带来的问题是 indexs文件很多,而且产品的索引文件和会员信息的索引文件混在一起,备份也是个问题。 如果使用了多核,那就很轻松了,产品和会员就可使用不同的URL进行提交了,业务上也很清晰,生成的索引文件也不会混在一起,也容易备份。
      每个索引库通过相对独立的url访问。
  
多核心的配置
  还记得solr home吗,既然配置多核心,那么我们可以新建一个目录作为solr home,从零开始搭建,这样理解会更深(记得在tomcat中修改solr home路径)。
  我这里使用的solr home路径为:D:\Installed Applications\SolrIndex,之后将solr解压,将solr-4.9.0\example\multicore下的所有文件copy到solr home。
  可以看到里面有core0和core1两个核心,和一个solr.xml。core0和core1从名字就可以看出来是两个示例核心,文件结构非常简单,就只有两个文件,schema.xml和solrconfig.xml,所以我们可以根据需要修改或新建核心,只要根据实例核心的目录结构就好。接下来是schema.xml,这个文件相当于告诉solr,有多少核心和核心的名字及核心的位置:
  结构如下:




  •      

  •      


  •      

  •       ${urlScheme:}

  •      

  •    
  
  
  shardHandlerFactory暂时不管,主要修改core,name是核心的名字,instanceDir是核心的路径,默认是当前目录,这个最好保持一致,即加入核心名字是core0,那么就在solr home下新建一个core0文件夹,里面放入配置文件,那么这就是一个核心。
  我修改后的solr.xml配置如下:




  •      

  •      

  •    

  •    

  •    

  •    

  •    

  •    

  •    


  •      

  •       ${urlScheme:}

  •      

  •    
  
  目录结构如下:
DSC0000.png
  
  
  可能大家已经注意到配置有下列内容:



  
  AdminPath是指url路径
  Host是指主机名
  defaultCoreName是指默认使用的核心(不配置也完全可以)
  hostPort是指访问的端口(跟tomcat的端口保持一致)
  hostContext是指主机的上下文,也就是webapps中solr的项目名
  其实有点像tomcat项目的配置。
  
多核心的访问
  开启tomcat服务,访问:localhost:8983/solr
  如下图所示:
DSC0001.png
  即可看到多个核心。当然也可以在url上访问不同核心库:
  Localhost:8983/solr/admin/coreName
  刚说的defaultCoreName也就是说,如果没指定访问的核心,默认访问哪个核心的作用。
  
  
分词器简介与配置
  Solr默认是没有中文分词的,其中solr默认的比较常用的数据类型有下面几种:string、long、int。详细的请看我的另外一篇博客:一、Solr综述
  我用的是IK分词器,是国人做的一个开源的分词器,所以主要说下IK分词器的配置。
下载
  下载 "IK Analyzer 2012FF_hf1.zip"包。 详见http://zhengchao730.iteye.com/blog/1833000
解压
  解压后的目录结构:
DSC0002.png
  其中已经有比较详细的文档了,但是我发现文档中并没有对solr分词器的配置有详细的说明。所以请读者继续往下看。
  
配置
  步骤一:将 IKAnalyzer2012FF_u1.jar拷贝到目录"$TOMCAT_HOME \webapps\solr\WEB-INF\lib"中
  步骤二:将IKAnalyzer.cfg.xml、stopword.dic拷贝到目录$TOMCAT_HOME \webapps\solr\WEB-INF\classes目录下,没有则新建classes目录。
  步骤三:在每个核心中的schema.xml中配置IK分词器:




  •          

  •          

  •    
  
  
  这样就可以使用ik分词器了。
  其中isMaxWordLength是指分词的细粒度,可以分别制定index索引和query查询的分词细粒度,建议将index的isMaxWordLength设置为false,这样就采用最细分词,是索引更精确,查询时尽量能匹配,而将query的isMaxWordLength设置为true,采用最大分词,这样能够使查询出来的结果更符合用户的需求。
  并且还有一点需要特别注意,我用的是solr4.9,所以需要把各核心schema.xml中的版本由1.1改为1.5
  .
  这样查询时分词才能成功,比如搜索中华人民共和国,如果不配置的话,默认是短语匹配,就只搜索文档中包含中华人民共和国的结果,但是如果配置了查询分词,那么中华、人民….都能被匹配。
IK分词器使用与测试
  之后在schema.xml中配置一个field用于测试,如下:



  然后打开solr的admin页面:
DSC0003.png
  可以看到分词之后的效果。

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-87247-1-1.html 上篇帖子: 实时分布式搜索引擎比较(senseidb、Solr、elasticsearch) 下篇帖子: Solr 3.5 + Tomcat7 + mmseg4j + 搜狗词库
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表