solr基础教程之中的一个Solr相关知识点串讲

Posted 2020-09-19 brucemengbm

       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。但它仅仅作为一个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。它能够为搜索引擎加入文档。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的版本与Lucene的版本保持一直，直到2014年7月，最新版本为4.9.0。

     2、Solr提供了一个example，能够简单高速的搭建起搜索环境。參见http://blog.csdn.net/jediael_lu/article/details/36419497

   （二）配置文件

    Solr的关键配置文件有下面三个：

    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，server依照下面顺序导入配置：

   （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）搜索上述文件夹中哪个子文件夹中包括有 core.properties，每一个 core.properties相应一个core。

   （3）从 core.properties中找出name属性，其值作为一个core。

    （4）查找这个core以下的conf子文件夹。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含某个词汇。

（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，它仅仅是将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。进行文档的加入。

3、其他第三方工具

（1）Data Import Handler (DIH)

将外部数据导入Solr。如站点、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