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.csdn.net/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
Solr相关知识点串讲