设为首页 收藏本站
查看: 850|回复: 0

[经验分享] solr总结 第四部分:solr配置文件详解

[复制链接]

尚未签到

发表于 2016-12-15 09:31:52 | 显示全部楼层 |阅读模式
  关于solr配置文文件我所理解的,大部分都是可以在网上查到的。所以主要列举下一些网上大家谈的很少的知识。
  1.solrconfig.xml


  • 配置文件(略)
  • 这个文件,我没做很深入的研究。只有一点说明,solr1.3和solr1.4是有区别的
  • solr1.3里面,需要指定solr index date的位置
      <!-- Used to specify an alternate directory to hold all index data
    other than the default ./data under the Solr home.
    If replication is in use, this should match the replication configuration. -->
    <dataDir>${solr.data.dir:./solr/db/data}</dataDir>
  • solr1.4里面,自动把生成index目录:data(和conf同级)-index (索引文件)
    <!-- The directory where your SpellChecker Index should live.   -->
    <!-- May be absolute, or relative to the Solr "dataDir" directory. -->
    <!-- If this option is not specified, a RAM directory will be used -->
    <str name="spellcheckerIndexDir">spell</str>
     
  2.db-data-config.xml


  • 配置文件(人所在的公司为例) 
    <!--dataConfig is designed  for member search, by using the table member,organization-->
    <dataConfig>
    <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver"
    url="jdbc:mysql://../test" user=".."
    password=".." />
    <document name="private-beta">
    <!--  field for news search, from member table-->
    <entity name="member" pk="memid"
    query="select distinct * from member"
    deltaQuery="select memid from member
    where mem_date_updated > '${dataimporter.last_index_time}'">
    <field column="memid" name="memid" />
    <field column="name" name="name" />
    <field column="mem_first_name" name="mem_first_name" />
    <field column="mem_last_name" name="mem_last_name" />
    <field column="mem_org_title" name="mem_org_title" />
    <field column="mem_org_dept" name="mem_org_dept" />
    <field column="mem_job_func" name="mem_job_func" />
    <field column="mem_job_level" name="mem_job_level" />
    <field column="mem_add_city" name="mem_add_city" />
    <field column="mem_add_state_code" name="mem_add_state_code" />
    <field column="mem_add_country_code" name="mem_add_country_code" />
    <field column="mem_date_created" name="mem_date_created" />
    <field column="mem_email" name="mem_email" />
    <field column="mem_orgid" name="mem_orgid" />
    <field column="mem_add_address" name="mem_add_address" />
    <!--  field for member search, from organization table-->
    <entity name="organization" pk="orgid"
    query="select * from organization where orgid='${member.mem_orgid}'" >
    <field column="orgid" name="orgid" />
    <field column="org_name" name="org_name" />
    <field column="org_website" name="org_website" />
    <field column="org_website_protocol" name="org_website_protocol" />
    <field column="org_subcat_id" name="org_subcat_id" />
    <field column="org_subcat_id2" name="org_subcat_id2" />
    <field column="org_subcat_id3" name="org_subcat_id3" />
    <field column="org_subcat_id4" name="org_subcat_id4" />
    <field column="org_subcat_id5" name="org_subcat_id5" />
    </entity>
    </entity>
    </document>
    </dataConfig>
     


  • delta-import:通过deltaQuery,查到数据库中未被索引记录的ids(id1,id2...),然后执行deltaImportQuery,如果没用deltaImportQuery,就通过Query去组装deltaImportQuery。对于上面的配置文件,就应该组装成这样的query:select  distinct * from member where memid = id1,把这条记录导入索引库里面,然后再导id2。曾以为solr应该组装select .. from .. where .. and memid in (id1, id2)这样的query,可好像它并没这样做。
  • 只有deltaQuery里面select的field和PK一样时(都为memid),才会组装成select  distinct * from member where memid = id1。否则组装成select  distinct * from member and memid = id1,增量导入时会报错。突然明白了
    solr wiki 写道

    pk : The primary key for the entity. It is optional and only needed when using delta-imports. It has no relation to the uniqueKey defined in schema.xml but they both can be the same.
  • left join:涉及到多个表之间有外键连接时,solr源码里面给我们展示的,是<entity></entity>里面,去引用上一层<entity></entity>对应表的外键:orgid='${member.mem_orgid}'。那么,我们何不直接将配置文件中的Query改为:select  distinct * from member left join organization o on orgid = mem_orgid。这样就可以不用分层,把所有<field></field>定义到一块了。这样是可行的,只是效率还是个未知数。不过推荐分层的<entity></entity>,逻辑清楚。
  3.schema.xml


  • 配置文件
        <!-- This is an example oTokenFilterFactoriesf using the KeywordTokenizer along
    With various  to produce a sortable field
    that does not include some properties of the source text
    -->
    <fieldType name="alphaOnlySort" class="solr.TextField" sortMissingLast="true" omitNorms="true">
    <analyzer>
    <!-- KeywordTokenizer does no actual tokenizing, so the entire
    input string is preserved as a single token
    -->
    <tokenizer class="solr.KeywordTokenizerFactory"/>
    <!-- The LowerCase TokenFilter does what you expect, which can be
    when you want your sorting to be case insensitive
    -->
    <filter class="solr.LowerCaseFilterFactory" />
    <!-- The TrimFilter removes any leading or trailing whitespace -->
    <filter class="solr.TrimFilterFactory" />
    <!-- The PatternReplaceFilter gives you the flexibility to use
    Java Regular expression to replace any sequence of characters
    matching a pattern with an arbitrary replacement string,
    which may include back refrences to portions of the orriginal
    string matched by the pattern.
    See the Java Regular Expression documentation for more
    infomation on pattern and replacement string syntax.
    http://java.sun.com/j2se/1.5.0/docs/api/java/util/regex/package-summary.html
    -->
    <filter class="solr.PatternReplaceFilterFactory"
    pattern="([^a-z])" replacement="" replace="all"
    />
    </analyzer>
    </fieldType>
    <fields>
    <!--  field for member search,all field  is in one-to-one correspondence with the field in db-data-config.xml -->
    <!--  field from member table-->
    <field name="memid" type="long" indexed="true" stored="true"
    multiValued="false" required="true"/>
    ...
    <field name="mem_orgid" type="long" indexed="true" stored="true"
    multiValued="false"/>

    <!--  field from organization table-->
    <field name="orgid" type="long" indexed="true" stored="true"
    multiValued="false"/>
    <field name="org_name" type="alphaOnlySort" indexed="true" stored="true"
    multiValued="false" />
    ...
  • alphaOnlySort:对于org_name这样的field,一般我们会将其定义为text类型,如果同时我们需要按org_name排序,那怎么办?显然,text是不能用了。刚好,alphaOnlySort,可以为我们解决这个问题,你应该可以理解上面那段配置。
  • 特别要说明的是<filter class="solr.PatternReplaceFilterFactory"
                    pattern="([^a-z])" replacement="" replace="all"
            />,排除了所有非字母的文本。举个例子,按上面的配置,你查找“123”这样的公司名,它会匹配到任何公司名为数字的公司。所以我把这段给注释掉了。
  • 如果选择了alphaOnlySort,输入ibm,将无法匹配到ibm.com,因为alphaOnlySort类型的ibm.com并不会被分割(<filter class="solr.WordDelimiterFilterFactory...")。
  4.stopwords.txt


  • 配置文件(略)
  • stopwords,只针对定义了texttype的field。
  • 里面定义的一些停用词我们需要注意了,比喻“OR”,你能把它停掉吗。不一定,美国就有Oregon洲缩写为OR,如果你把org_state_code的fieldtype设置为text的话,你搜索OR,传到solr server的url:http://localhost:8888/solr/../select?q=*:*?&fq=org_state_code:OR就会变成http://localhost:8888/solr/../select?q=*:*?&fq=org_state_code:,报错!
  • 所以,要么你将org_state_code定义为其他fieldtype,要么你在stopwords里面除掉这些特殊的words。

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-314573-1-1.html 上篇帖子: Solr 4.4 分布式查询请求API 下篇帖子: solr(五)同义词加中文分词
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