【solr基础教程之一】Solr相关知识点串讲

帝王

　　

　　

　　



       Solr是Apache Lucene的一个子项目。Lucene为全文搜索功能提供了完备的API，但它只作为一个API库存在，而不能直接用于搜索。因此，Solr基于Lucene构建了一个完整的搜索引擎，它可以为搜索引擎添加文档，对文档内容进行分析，并为用户提供搜索功能，在此基础上提供了一个扩展功能，如hit highline, suggetion等。

　　
　　      一、概述

  （一）基础内容
     1、Solr的版本号与Lucene的版本号保持一直，直到2014年7月，最新版本号为4.9.0。
     2、Solr提供了一个example，可以简单快速的搭建起搜索环境。参见http://blog.iyunv.com/jediael_lu/article/details/36419497
   （二）配置文件
    Solr的关键配置文件有以下三个：
    solr.xml—Defines properties related to administration, logging, sharding, and SolrCloud
    solrconfig.xml—Defines the main settings for a specific Solr core
    schema.xml—Defines the structure of your index, including fields and field types
   启动搜索引擎时，服务器按照以下顺序导入配置：
   （1）从全局java系统属性中查看solr.solr.home，一般定义为：$SOLR_INSTALL/example/solr/。
   （2）搜索上述目录中哪个子目录中包含有 core.properties，每个 core.properties对应一个core。
   （3）从 core.properties中找出name属性，其值作为一个core。
    （4）查找这个core下面的conf子目录，找到solrconfig.xml与schema.xml。
  




    1、solr.xml
    与整个搜索引擎相关的配置。
    2、solrconfig.xml。
    与某个core相关的主要配置，如定义updatehandler用于索引文件，requesthandler用于搜索内容等。

      




   3、schema.xml
    定义了某类型文档的索引格式。
   4、core.properties
    记录了一个core的基本信息，除一个name为必备属性外，其余均为可选。





  
二、索引
    索引，是将文档中的内容经过分析后，形成一个Term---Document的映射，并将其写入索引文件的过程，即说明哪些文档中包括某个词汇。
（一）向搜索引擎中提交文档的方法
1、命令行方式
使用example程序中提供的post.jar或者post.sh提供文档，它支持XML/JSON/CSV三种文件格式。
如java -jar post.jar *.xml
但本质上，它只是将solr提供的API进行了封装，最核心的类为SimplePostTool，此类调用了SolrJ的接口。
2、SolrJ
使用solr提供的API，进行文档的添加。
3、其它第三方工具
（1）Data Import Handler (DIH)
将外部数据导入Solr，如网站、关系型数据库等内容。
（2）ExtractingRequestHandler, aka Solr Cell
对Tika进行了封装，可用于导入富文本内容，如pdf,office等
（3）Nutch
抓取网页并将其导入solr。






    三、分析






    四、索引






    五、扩展功能