Solr的工作原理以及如何管理索引库

Posted 2021-01-19

1. Solr的简介

? Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过Http Get操作提出查找请求，并得到XML格式的返回结果。

? Solr是Apache软件基金会下的子项目之一。

2. 工作原理

? solr是基于Lucence开发的企业级搜索引擎技术，而lucence的原理是倒排索引。那么什么是倒排索引呢？接下来我们就介绍一下lucence倒排索引原理。

假设有两篇文章1和2:

文章1的内容为：老超在卡子门工作，我也是。

文章2的内容为：小超在鼓楼工作。

由于lucence是基于关键词索引查询的，那我们首先要取得这两篇文章的关键词。如果我们把文章看成一个字符串，我们需要取得字符串中的所有单词，即分词。分词时，忽略”在“、”的“之类的没有意义的介词，以及标点符号可以过滤。

我们使用Ik Analyzer实现中文分词，分词之后结果为：

文章1：

文章2：

接下来，有了关键词后，我们就可以建立倒排索引了。上面的对应关系是：“文章号”对“文章中所有关键词”。倒排索引把这个关系倒过来，变成:?“关键词”对“拥有该关键词的所有文章号”。

文章1、文章2经过倒排后变成：

通常仅知道关键词在哪些文章中出现还不够，我们还需要知道关键词在文章中出现次数和出现的位置，通常有两种位置：

a.字符位置，即记录该词是文章中第几个字符（优点是关键词亮显时定位快）；

b.关键词位置，即记录该词是文章中第几个关键词（优点是节约索引空间、词组（phase）查询快），lucene中记录的就是这种位置。

加上出现频率和出现位置信息后，我们的索引结构变为：

实现时，lucene将上面三列分别作为词典文件（Term Dictionary）、频率文件(frequencies)、位置文件 (positions)保存。其中词典文件不仅保存有每个关键词，还保留了指向频率文件和位置文件的指针，通过指针可以找到该关键字的频率信息和位置信息。

3. 使用SolrJ管理索引库

使用SolrJ可以实现索引库的增删改查操作。

3.1 添加文档

第一步：把solrJ的jar包添加到工程中。

第二步：创建一个SolrServer，使用HttpSolrServer创建对象。

第三步：创建一个文档对象SolrInputDocument对象。

第四步：向文档中添加域。必须有id域，域的名称必须在schema.xml中定义。

第五步：把文档添加到索引库中。

第六步：提交。

@Test
public void testSolrJAdd() throws SolrServerException, IOException {
  // 创建一个SolrServer对象。创建一个HttpSolrServer对象
  // 需要指定solr服务的url
  SolrServer solrServer = new HttpSolrServer("http://101.132.69.111:8080/solr/collection1");
  // 创建一个文档对象SolrInputDocument
  SolrInputDocument document = new SolrInputDocument();
  // 向文档中添加域，必须有id域，域的名称必须在schema.xml中定义
  document.addField("id", "123");
  document.addField("item_title", "红米手机");
  document.addField("item_price", 1000);
  // 把文档对象写入索引库
  solrServer.add(document);
  // 提交
  solrServer.commit();
}

3.2 删除文档

3.2.1 根据id删除

第一步：创建一个SolrServer对象。

第二步：调用SolrServer对象的根据id删除的方法。

第三步：提交。

@Test
public void deleteDocumentById() throws Exception {
  SolrServer solrServer = new HttpSolrServer("http://101.132.69.111:8080/solr/collection1");
  solrServer.deleteById("123");
  // 提交
  solrServer.commit();
}

3.2.2 根据查询删除

@Test
public void deleteDocumentByQuery() throws Exception {
  SolrServer solrServer = new HttpSolrServer("http://101.132.69.111:8080/solr/collection1");
  //这边会根据分词去删
  solrServer.deleteByQuery("item_title:红米手机");
  solrServer.commit();
}

3.3 查询索引库

第一步：创建一个SolrServer对象

第二步：创建一个SolrQuery对象。

3 向SolrQuery中添加查询条件、过滤条件。。。

第四步：执行查询。得到一个Response对象。

5 取查询结果。

第六步：遍历结果并打印。

3.3.1 简单查询

@Test
public void queryDocument() throws Exception {
    // 第一步：创建一个SolrServer对象
    SolrServer solrServer = new HttpSolrServer("http://101.132.69.111:8080/solr/collection1");
    // 第二步：创建一个SolrQuery对象。
    SolrQuery query = new SolrQuery();
    // 第三步：向SolrQuery中添加查询条件、过滤条件。。。
    query.setQuery("*:*");
    // 第四步：执行查询。得到一个Response对象。
    QueryResponse response = solrServer.query(query);
    // 第五步：取查询结果。
    SolrDocumentList solrDocumentList = response.getResults();
    System.out.println("查询结果的总记录数：" + solrDocumentList.getNumFound());
    // 第六步：遍历结果并打印。
    for (SolrDocument solrDocument : solrDocumentList) {
      System.out.println(solrDocument.get("id"));
      System.out.println(solrDocument.get("item_title"));
      System.out.println(solrDocument.get("item_price"));
    }
}

3.3.2 带高亮显示

@Test
public void searchDocumet() throws Exception {
  // 创建一个SolrServer对象
  SolrServer solrServer = new HttpSolrServer("http://101.132.69.111:8080/solr/collection1");
  // 创建一个SolrQuery对象
  SolrQuery query = new SolrQuery();
  // 设置查询条件、过滤条件、分页条件、排序条件、高亮
  // query.set("q", "*:*");
  query.setQuery("手机");
  // 分页条件
  query.setStart(0);
  query.setRows(30);
  // 设置默认搜索域
  query.set("df", "item_keywords");
  // 设置高亮
  query.setHighlight(true);
  // 高亮显示的域
  query.addHighlightField("item_title");
  query.setHighlightSimplePre("<div>");
  query.setHighlightSimplePost("</div>");
  // 执行查询，得到一个Response对象
  QueryResponse response = solrServer.query(query);
  // 取查询结果
  SolrDocumentList solrDocumentList = response.getResults();
  // 取查询结果总记录数
  System.out.println("查询结果总记录数：" + solrDocumentList.getNumFound());
  for (SolrDocument solrDocument : solrDocumentList) {
    System.out.println(solrDocument.get("id"));
    // 取高亮显示
    Map<String, Map<String, List<String>>> highlighting = response.getHighlighting();
    List<String> list = highlighting.get(solrDocument.get("id")).get("item_title");
    String itemTitle = "";
    if (list != null && list.size() > 0) {
      itemTitle = list.get(0);
    } else {
      itemTitle = (String) solrDocument.get("item_title");
    }
    System.out.println(itemTitle);
    System.out.println(solrDocument.get("item_sell_point"));
    System.out.println(solrDocument.get("item_price"));
    System.out.println(solrDocument.get("item_image"));
    System.out.println(solrDocument.get("item_category_name"));
    System.out.println("=============================================");
  }
}

4. Solr服务器中的后台数据处理

? 这个其实是通过图形界面操作，只需手动填写查询条件，不需要进行代码处理。但是实际项目开发中，还是需要进行代码编写的。

4.1 solr的基础语法

q  查询的关键字，此参数最为重要，例如，q=id:1，默认为q=*:*，

fq  (filter query)过虑查询，提供一个可选的筛选器查询。
        返回在q查询符合结果中同时符合的fq条件的查询结果

sort  排序方式，例如id  desc 表示按照 “id” 降序

　　
start  返回结果的第几条记录开始，一般分页用，默认0开始

rows  指定返回结果最多有多少条记录，默认值为 10，配合start实现分页

fl  指定返回哪些字段，用逗号或空格分隔，注意：字段区分大小写，例如，fl= id,title,sort

df   默认的查询字段，一般默认指定
　　
wt  (writer type)指定输出格式，有 xml, json, php等

indent   返回的结果是否缩进，默认关闭

hl 高亮
    hl.fl  设定高亮显示的字段
    hl.requireFieldMatch   如果置为true，除非用hl.fl指定了该字段，查询结果才会被高亮。它的默认值是false。

　　 hl.usePhraseHighlighter   如果一个查询中含有短语（引号框起来的）那么会保证一定要完全匹配短语的才会被高亮。

　　  hl.highlightMultiTerm如果使用通配符和模糊搜索，那么会确保与通配符匹配的term会高亮。默认为false，同时hl.usePhraseHighlighter要为true。

　　  hl.fragsize   返回的最大字符数。默认是100.如果为0，那么该字段不会被fragmented且整个字段的值会被返回。