solr学习中遇到的问题

zhltom

• 　　使用中报错
  
  
  
  　　解决办法:将data/index中的write.lock删除后重启tomcat然后重启solr就可以了
  
• 　　如何更新单个文档字段
  　　假设你上传一个文档到一个系统中，另外你可以增加可访问这一文档的用户。你可能知道，在 solr4.0 之期，你打算更新文档的一个字段，你必须重新索引整个文档。solr4.0 允许你只更新单个字段，只要满足一些基本的要求。接下来让我们看看在 solr4.0 中这是怎么做的。
  　　怎么做
  　　要实现这个特性，现假设我们有以下这一索引结果（将以下这些实体写入 schema.xml 文件的 fields 节点下）
  
• 
  　　
  
  　　
  
  　　额外需要做的是增加 _version_ 字段
  
• 　　以上是 schema.xml 中所作的所有修改。另外假设我们有以下待索引的数据：
  
• 　　
  1
  　　
  Sample file
  　　
  gro
  　　
  negativ
  　　
  
  　　
  
  
• curl 'localhost:8983/solr/update?commit=true' -H 'Contenttype:　　
  application/json' -d '[{"id":"1","user":{"add":"jack"}}]'
  
• http://localhost:8983/solr/select?q=*:*&indent=true
  
• 　　
  
  　　
  
  　　
  0
  　　
  0
  　　
  
  　　
  true
  　　
  *:*
  　　
  
  　　
  
  　　
  
  　　
  
  　　
  1
  　　
  Sample file
  　　
  
  　　
  gro
  　　
  negativ
  　　
  jack
  　　
  
  　　
  1411121765349851136
  　　
  
  　　
  
  
• curl 'localhost:8983/solr/update?commit=true' -H 'Contenttype:　　
  application/json' -d '[{"id":"1","file":{"set":"New file name"}}]'
  
• 　　
  
  　　
  
  　　
  0
  　　
  1
  　　
  
  　　
  true
  　　
  *:*
  　　
  
  　　
  
  　　
  
  　　
  
  　　
  1
  　　
  New file name
  　　
  
  　　
  gro
  　　
  negativ
  　　
  jack
  　　
  
  　　
  1411121902871642112
  　　
  
  　　
  
  　　怎么工作的
  　　正如你所看到的那样，索引结构相当简单；我们有一个文档的标识、文档名称和可以访问这一文档的用户。正如你所看到的那样，这个索引中，所有的字段标识了存储（stored="true"），这个是局部更新功能所必须的。
  　　另一个需要做的事情是增加 _version_ 字段，在索引过程中不需要设置该字段的值，它是给 solr 内部使用的。
  

　　三、
Solr整合中文分词mmseg4j
1. Summary
　　本次使用的是Solr-4.7.0整合mmseg4j-1.9.1，下载mmseg4j-1.9.1.zip，把dist下面的jar文件拷贝到${solr-4.7.0}/WEB-INF/lib中，共三个jar文件

• 　　mmseg4j-analysis-1.9.1.jar，
  
• 　　mmseg4j-core-1.9.1.jar
  
• 　　mmseg4j-solr-1.9.1.jar
  

2. 修改core中配置文件schema.xml
　　在core的配置文件（schema.xml）中，添加使用中文分词器的fieldtype。例如：${Solr.home}/collection1/conf/schema.xml
　　

　　
   
　　
        
　　
   
　　

　　

　　
   
　　
        
　　
   
　　

　　

　　
   
　　
      
　　
        
　　
   
　　

　　

　　mmseg4j使用的是MMSeg算法，算法有两种分词方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四个规则过虑。官方说：词语的正确识别率达到了 98.41%。mmseg4j 已经实现了这两种分词算法。
　　上例中添加了三中fieldtype，他们主要区别是使用的模式不同：

• 　　text_simple 使用Simple分词方法
  
• 　　text_complex Complex 加了四个规则过虑
  
• 　　text_maxword 默认。在complex基础上实现了最多分词(max-word)。“很好听” -> "很好|好听"; “中华人民共和国” -> "中华|华人|共和|国"; “中国人民银行” -> "中国|人民|银行"。
  

3. 源码修改
　　运行服务器，检验中文分词。当输入‘中华人民共和国’并单机“Analyse Values”按钮时，出现如下错误：

　　修改mmseg4j-analysis模块的源码文件：com.chenlb.mmseg4j.analysis.MMSegTokenizer增加如下一行代码：
    public void reset() throws IOException {　　
        //lucene 4.0
　　
        //org.apache.lucene.analysis.Tokenizer.setReader(Reader)
　　
        //setReader 自动被调用, input 自动被设置。
　　
+       super.reset();
　　
        mmSeg.reset(input);
　　
    }
　　保存后，重新编译打包：
mvn clean package -DskipTests　　成功运行后如下：

　　4 solr hard commit做的事情
　　1、生成一个新的tlog文件，删除旧的tlog。
　　2、把内存中的索引文件fsync到磁盘，并创建一个index descriptor。这里比较耗费机器资源。
　　这样即使jvm崩溃或者宕机，也不影响这部分索引。
　　3、使得索引在searcher中可见。但是也需要重新打开searcher才行。
　　soft commit做的事情
　　1、把内存文件fsync到磁盘，但不创建index descriptor。
　　也就是说原索引和现在的索引还互不感知，所以如果jvm崩溃，那这部分索引就没了。
　　2、可以重新打开searcher，使得新的索引可以被查找到。
　　在solr中，查询被一个叫做 searcher的组件处理。在solr中，任何时候只有一个"active"的searcher。对于所有查询请求handler的所有的查询组件都是针对active searcher来执行查询的。
　　active searcher拥有一个底层lucene索引的只读快照视图。它遵循如下规则：如果你添加一个新文档到solr，它在从当前searcher的搜索结果中是不可见的。这引发了问题：在搜索结果中新文档如何变得可见？答案是关闭当前searcher并且打开一个新的包含更新索引只读视图的searcher。这就是提交(commit)文档到solr的意义
　　那么commit和设置true的区别是一个关闭打开searcher?一个使用了快照视图？
　　这个应该是设置在commit的时候是否打开新的searcher
　　频繁commit肯定不好，新开searcher是有代价的
　　还涉及到相关缓存的失效和重新预热等开销