什么是Solr搜索

yunde110

什么是Solr搜索
一、Solr综述



什么是Solr搜索
　　我们经常会用到搜索功能，所以也比较熟悉，这里就简单的介绍一下搜索的原理。
　　当然只是介绍solr的原理，并不是搜索引擎的原理，那会更复杂。
　　流程图

　　这是一个非常简单的流程图：
　　User：即需要搜索的用户。
　　Raw Data：需要搜索的内容，当然是源数据，可能是文本文件，可能是数据库的数据，可能是XML等等。
　　Index：有格式的数据。
　　
　　其实从图中可以看出来：

• Solr搜索非常类似于读写数据库的过程。
  
• 
  Solr搜索最主要的两个问题（细节已经封装好）：
  
  
  • 怎样从元数据合理组织格式化成Index
    
  • 怎样根据关键字从Index中调取相关数据（排序、模糊查询等等）。
    
  
  

　　
　　类比一下，Index就相当于数据表，里面有很多记录，我们需要做的就是设计数据表的格式，有哪些列。并且根据关键字搜索。
Solr综述
　　Solr其实是一个WebApp，在官网下载后将war包放在web'容器下便可以直接运行，你自己的web项目通过HTTP请求的方式和Solr交互。当然需要现在Solr中生成索引库（类似不同的数据表）。HTTP请求中带有相关参数（关键字、需要搜索的索引库、排序规则….）。那么想爱先简单介绍下一些相关的概念：
　　索引Index，文档Docements，域Fields
　　Solr中数据最小单元为Field，比如Name、Age。Documents是一个具体的对象，如人。举例说明：Edwin是一个人，那么可以将Edwin抽象为一个Document，这个Document包含很多Fields，Name、Age、Sex….。一个索引库Index由许多Documents组成。
　　Index（Student） ß Docements(Edwin、AngelaBaby…) ß Fields(Name、Age…)
　　是不是很像数据库的模型？ 其实完全可以把这个理解为数据库… 并且Index还真的有主键的概念，叫做Unique Field。
　　
　　查询Query
　　上面解决了数据格式化成Index的问题，那么还剩下怎样根据关键字查询搜索结果的问题，先举个例子：
　　http://localhost:8983/solr/Artist/select?q=Artist_Name:周杰伦 &wt=json&indent=true
　　这就是web项目和Solr交互的一个Url
　　Localhost:8983/solr 这个事Solr项目
　　Artist是索引库Index
　　q=Artist_Name:周杰伦
　　q代表Query 意思是查询Artist_Name为周杰伦的数据
　　wt=json 指结果按照Json形式返回
　　indent=true 返回的数据格式化（也就是好看一点~）
　　
　　通过这一个简单的请求，即可以明白Solr请求的一个基本过程了，有什么需求加什么参数，之后Solr解析请求，根据自己的匹配规则，一个很复杂的公式，计算所有Documents的得分，得分高的优先返回。最后Web项目获得得到搜索结果，格式化输出。
　　
　　
两个重要的文件
　　Schema.xml
　　这个文件其实就是对Index的配置，包括Field的类型，Unique Field，分词等等。
　　先看看整体结构：

• 
  
  
• 
    
  
• 
     
  
• 
     
  
• 
     
  
• 
    
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
     
  
• 
  
• 
     
  
• 
  
  
• 
  Artist_ID
  
• 
  
• 
  
  
• 
  Artist_ID
  
• 
  
• 
  
  
• 
     
  
• 
          
  
• 
          
  
• 
     
  
• 
  
• 
  
  
• 
  
  
• 
  
  

　　
　　
　　FieldType代表Field的类型，可以自定义也可以使用Solr提供的Type，具体支持的Type可以参考Solr文档，其中需要稍微解释一下的是string，实现的class是solr.StrField，string的意思是将Field当成字符串，那么如果在搜索时，不会进行分词。只能整体匹配，例如将ArtistName设置为string，那么当搜索周杰伦的时候，只有ArtistName完全和周杰伦相同才会被匹配，周杰，周杰伦你好…这些都不会匹配，这个在精确查找时很有用。
　　Unique Field ：其实是主键的意思，就是说在所有的Documents中被设置成Unique的Field只能有唯一值。当然在Index生成的时候，不用去重，Solr并不会报错，比如向Solr输入
　　ID:1 Name:张三
　　ID:1 Name：李四
　　如果ID为Unique Field，那么Solr可能会根据先后顺序，只会存储一个ID为1的Document，剩余重复ID的Document会被忽略。
　　Field中还有很多属性：
　　Name和Type就不说了
　　Indexed：表示此Field是否索引，意思就是能否被搜索到，如果ArtistName设置为false，那么搜索ArtistName=周杰伦是没有结果的。
　　Stored：表示此Field是否被存储。
　　multiValued：表示此Field能否有多值，即ArtistCategory可以有多个值：如原创歌手、华语男歌手等等。默认false，Unique Field必须显式设置为false。
　　Required：表示此Field是否能为空，默认false，Unique Field必须设置为true。

• 
  
  

　　这是一个很有用的东西，从名字就能看出来是赋值Field，最大的作用便是可以让一个Field有多个不同的Type。
　　比如ArtistName一个可以设置为text_ik（分词器，可以看我的博客：三、Solr多核心及分词器（IK）配置）
　　一个设置为string
　　那么模糊搜索时，可以使用Artist_Name，精确搜索时使用Artist_Name_Exact。
　　
　　
　　Solrconfig.xml
　　Scheme.xml是对索引库中Documents的配置，那么solrconfig就是对索引库的整体配置。配置requestHandler，有点类似于filter，就是在请求前后对请求进行预处理。这个之后碰到具体情况再具体分析，因为一般情况下设置好了之后，极少需要改动此文件。
　　
总结
　　其实我个人使用Solr后觉得，如上面画的简单的流程图，最重要的两个问题：

• 
  查询条件　　查询哪些Field，用什么方式查询，什么排序，比如按照更新时间排序，还是在搜索歌曲时HQ、SQ优先等等，主要用到了Url参数、solrconfig中的requestHandler。
  
• 
  Index的设计　　这是重中之重，我觉得大部分情况下应该都是使用solr从数据库中读取数据生成索引，这就要求原来的数据库设计就要比较合理，如果原来的数据库比较乱，那么就需要大量的SQL将表联结等等操作，并且出错的概率也高。