导言
说起Apache Lucene,可以说无人不知,无人不晓,但是说道Apache Solr,恐怕知道的不多。看看Apache Solr的说明:
Solr是一个基于Lucene java库的企业级搜索服务器,包含XML/HTTP,JSON API, 高亮查询结果,faceted search(不知道该如何翻译,片段式搜索),缓存,复制还有一个WEB管理界面。Solr运行在Servlet容器中。所以Solr和Lucene的本质区别有以下三点:搜索服务器,企业级和管理。Lucene本质上是搜索库,不是独立的应用程序,而Solr是。Lucene专注于搜索底层的建设,而Solr专注于企业应用。Lucene不负责支撑搜索服务所必须的管理,而Solr负责。所以说,一句话概括Solr: Solr是Lucene面向企业搜索应用的扩展。
在本篇文章中,我们先看看Solr向我们承诺了什么,或者说Solr宣称的特性们。
无废话Solr
Solr是一个拥有象WebService一样接口的独立运行的搜索服务器。你将能够通过HTTP协议以XML格式将文档放入搜索服务器(这个过程叫做索引),你能够通过HTTP协议的GET来查询搜索服务器并且得到XML格式的结果。Solr的特性包括:
- 高级的全文搜索功能
- 专为高通量的网络流量进行的优化
- 基于开放接口(XML和HTTP)的标准
- 综合的HTML管理界面
- 可伸缩性-能够有效地复制到另外一个Solr搜索服务器
- 使用XML配置达到灵活性和适配性
- 可扩展的插件体系
Solr使用Lucene并且扩展了它!
- 一个真正的拥有动态域(Dynamic Field)和唯一键(Unique Key)的数据模式(Data Schema)
- 对Lucene查询语言的强大扩展!
- 支持对结果进行动态的分组和过滤
- 高级的,可配置的文本分析
- 高度可配置和可扩展的缓存机制
- 性能优化
- 支持通过XML进行外部配置
- 拥有一个管理界面
- 可监控的日志
- 支持高速增量式更新(Fast incremental Updates)和快照发布(Snapshot Distribution)
Schema(模式)
- 定义域类型和文档的域
- 能够驱动智能处理
- 声明式的Lucene分析器规范
- 动态域能够随时增加域
- 拷贝域功能允许对一个域进行多种方式的索引,或者将多个域联合成一个可搜索的域
- 显式类型能够减少对域类型的猜测
- 能够使用外部的基于文件的终止词列表,同义词列表和保护词列表的配置
查询
- 拥有可配置响应格式(XML/XSLT,JSON,Python,Ruby)的HTTP接口
- 高亮的上下文搜索结果
- 基于域值和显式查询的片段式搜索(Faceted Search)
- 对查询语言增加了排序规范
- 常量的打分范围(Constant scoring range)和前缀式查询-没有idf,coord,或者lengthNorm因子,对查询匹配的词没有数量限制
- 函数查询(Function Query)-通过关于一个域的数值或顺序的函数对打分进行影响
- 性能优化
核心
- 可插拔的查询句柄(Query Handler)和可扩展的XML数据格式
- 使用唯一键的域能够增强文档唯一性
- 能够高效地进行批量更新和删除
- 用户可配置的文档索引变化触发器(命令)
- 并发控制的搜索器
- 能够正确处理数字类型,从而能够进行排序和范围搜索
- 能够控制缺失排序域的文档
- 支持搜索结果的动态分组
缓存
- 可配置的查询结果,过滤器,和文档缓存实例
- 可插拔的缓存实现
- 后台缓存热启:当一个新的搜索器被打开时,可配置的搜索将它热启,避免第一个结果慢下来,当热启时,当前搜索器处理目前的请求(???)。
- 后台自动热启:当前搜索器缓存中最常访问的项目在新的搜索器中再次生成,能够在索引器和搜索器变化的时候高速缓存常查询的结果
- 快速和小的过滤器实现
- 支持自动热启的用户级别的缓存
复制
- 能够将使用rsync传输时改变的索引部分有效的发布
- 使用拉策略(Pull Strategy)来简化增加搜索器
- 可配置的发布间隔能够允许对时间线和缓存使用进行权衡选择
管理接口
- 能够对缓存使用,更新和查询进行综合统计
- 文本分析调试器,能够显示每个分析器每个阶段的结果
- 基于WEB的查询和调试输出:解析查询输出,Lucene的explain方法细节,能够解释为何某个文档打分低,被排除在结果中等等
|