Solr 学习（1） —— 搭建环境

冰镇可乐

写在前面

     2010年参加了一个全文搜索的项目，开始学习和使用lucene，写了大半年的代码，在linux上实现了爬虫+建立索引（中文分词）+查询（分页、高亮）+规则（指定关键词组合）触发事件的功能。

     后来随着项目需求的增多，代码越写越多，最痛苦的是在更改实现方案，还有维护索引的时候，又要大量改代码，正当我快崩溃的时候，发现了solr，才知道自己以前实现的维护部分的功能大部分solr都集成了，而且更稳定，功能更强大，原来自己绕了弯路，做了重复发明轮子的工作，于是开始把以前的东西推到重来，全部用solr实现，从此项目在搜索方面稳定了N倍，由衷感谢solr项目给我们带来的便利。以下写一些心得记录自己的学习历程。

 

　　solr 安装
　　linux下安装过程，windows类似
　　
1、安装准备 
     JDK 1.6 或更高版本 
     Tomcat 6
　　Solr 3.5 
　　
2、Tomcat安装
　　将Tomcat发行包解压到指定目录，如/home/tomcat/
3、Solr安装
     将Solr发行包（apache-solr-3.5.0.tgz）解压，复制example/webapp/solr.war到tomcat的webapps目录，例如/home/tomcat/webapps，复制Solr发行包中配置示范文件（/example/solr文件夹）到tomcat/bin目录，如/home/tomcat/bin。按照solr的要求，需要指定solr-home的路径，如不指定，默认当前运行目录（tomcat/bin），于是本文为了简单，直接把solrconf放到bin目录下
　　4、中文分词器安装
　　中文分词在solr里面是没有默认开启的，需要我们自己配置一个中文分词器。目前可用的分词器有smartcn，IK，jeasy，庖丁。其实主要是两种，一种是基于中科院ICTCLAS的隐式马尔科夫HMM算法的中文分词器，如smartcn，ictclas4j，优点是分词准确度高，缺点是不能使用用户自定义词库；另一种是基于最大匹配的分词器，如IK ，Jeasy，庖丁，优点是可以自定义词库，增加新词，缺点是分出来的垃圾词较多。各有优缺点，看应用场合自己衡量选择吧。
　　下面给出两种分词器的安装方法，任选其一即可，推荐第一中，因为smartcn就在solr发行包的contrib/analysis-extras/lucene-libs/下，就是lucene-smartcn-3.5.0.jar
　　4.1 smartcn 分词器的安装
　　将contrib/analysis-extras/lucene-libs/lucene-smartcn-3.5.0.jar复制到/tomcat/webapps/solr/WEB-INF/lib，
　　打开/tomcat/bin/solr/conf/scheme.xml，编辑text字段类型如下，添加以下代码到shema中的相应位置，就是找到fieldType定义的那一段，在下面多添加这一段就好啦

<fieldType name="text" class="solr.TextField">
<analyzer class="org.apahce.lucene.analysis.cn.smart.SmartChineseAnalyzer"/>
</fieldType>
 　　4.2 IK 分词器的安装   IKAnalyer3.2.8 下载
　　将IKAnalyzer3.2.5发行包解压,复制IKAnalyzer3.2.8Stable.jar到Solr的lib中，如/home/tomcat/webapps/solr/WEB-INF/lib，复制配置文件IKAnalyzer.cfg.xml和ext_stopword.dic到tomcat/bin中，如/home/tomcat/bin。同样，到/tomcat/webapps/solr/WEB-INF/lib，
　　打开/tomcat/bin/solr/conf/scheme.xml，编辑text字段类型如下，添加到schema中

<fieldType name="text" class="solr.TextField">
<analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>
 　　另外，IK分词的google code上也有详细的使用说明，可以多参考下。作者首页，大家都去学习下
　　
5.TOMCAT配置
　　
5.1 server.xml
　　(如/home/tomcat/conf/server.xml)
     在server.xml主要设置侦听端口。一般来说，SOLR常用端口为8983。你也可以使用自己喜欢的端口，例如80或8080。 同时，注意将URIEncoding设置为UTF-8。例如AJP等更多Native优化，参考TOMCAT优化方案。

<Connector port="8983" maxHttpHeaderSize="8192"
maxThreads="150" minSpareThreads="25" maxSpareThreads="75"
enableLookups="false" redirectPort="8443" acceptCount="100"
connectionTimeout="20000" disableUploadTimeout="true" URIEncoding="UTF-8" />

　　


5.2 solr.xml
　　如果不想配置solrhome的位置，这一步可略过，因前面把/solr/conf放在了{$TOMCAT}/bin/下面，如果要把配置文件放在其它位置，则需要按这样配置。
     新增solr.xml在{$TOMCAT}/conf/Catalina/localhost/下。TOMCAT在启动时将自动加载该CONTEXT。 docBase应设置为solr war包存放位置，例如/home/apache-solor-3.5.0/example/webapp/solr.war 
     solr/home的值应设置为你规划存放的索引根路径，例如/web/solr/。该目录在以下将称为{$SOLR_HOME}

<Context docBase="/home/apache-solr-3.5.0/example/webapp/solr.war" debug="0" crossContext="true" >
<Environment name="solr/home" type="java.lang.String" value="/web/solr" override="true" />
</Context>  
  　　6 启动Solr
　　       
　　Solr在 Tomcat里，所以启动Tomcat即可，建议初期用bootstrap.jar,方便发现配置中的错误，如
　　进入目录/home/tomcat/bin ,然后敲入 java -jar bootstrap.jar即可运行，不报错的话就可以正常访问了
　　http://127.0.0.1:8983/solr/
　　下面再看下分词器有没配置成功
　　http://127.0.0.1:8983/solr/admin/analysis.jsp
　　


 　　输入：  solr中文分词器
　　如果分词的结果显示  solr|中文|分词|器   
　　恭喜你，分词器配置成功，solr环境搭建完成了