集成 PHP 应用和 Solr 搜索引擎
你为什么需要搜索引擎?单纯数据库不够用?如果你只是创建小网站,数据库就够了。但当你创建中性或大型应用的时候,搜索引擎是更明智的选择。当然如是一说,小网站也可以利用Solr,获得高相关性的搜索结果。
想象一下你在写一个电子商务网站的搜索查询程序。最直接的想法就是如下的数据库查询语句:
?
1
2
3
|
SELECT * FROM PRODUCTS
WHERE LOWER (title) like LOWER ( ‘%$phrase%‘ )
OR LOWER (description) like LOWER ( ‘%$phrase%‘ );
|
查询标题或描述中的短语时,它工作正常。但是现实事物很复杂,比如说Apple iPhone 4G black 16GB(苹果4G网络iPhone黑色16GB)。搜索“iPhone 16G”的时候,就没结果。你可以用%替换空格应付这种情况。
?
1
|
$phrase = str_replace ( ‘ ‘ , ‘%‘ , $phrase );
|
那么查询“iPhone 16GB 4G”的时候呢?显然词序改变了,它又无法正常工作。我猜你又会添加一个字段保存词序。那么写错词怎么办?同义词怎么办?为如此的搜索系统想一个好的解决方案很有挑战性。
设计一个精妙的算法不是解决这类问题的关键. 文本的搜素是需要消耗资源的. 将太多的压力放在数据库端永远不是一个好办法. 原因是数据库不能很方便的扩展. 你不能像web server 或者 Memcached一样,简单的增加一个实例.扩展数据库需要一些准备, 代码的修改, 配置, down机维护时间, 总之成本是非常昂贵的. 好消息是Solr就是专门解决这类问题的.
Solr是一个基于Apache Lucene的企业级搜索平台. 快,稳定, 有很好的文档当然扩展起来也很方便. 由于Solr是有个强大的解决方案, 他的所有特性就不在这篇文章里面一一列举了. 这家伙上收起来也是相当easy哦.
首先从官方网站下载最新的版本。Solr是一个由Java语言编写的应用程序,你需要Java Runtime环境才可以运行。
?
1
2
|
$ cd solr-4.1.0 /example/
$ java -jar start.jar
|
大概几秒钟后你就可以看到下面的信息:
?
1
|
2013-03-09 18:47:41.177:INFO:oejs.AbstractConnector:Started [email protected]:8983
|
Solr有一个web界面,工作在8983端口下,打开浏览器访问http://localhost:8983/solr/.
在左手边的导航区你会找到“collection1″。在Solr中,Collections类似于数据库的表,你可以查询数据。点击一个collection,选择她的子菜单 “query”。
第一个选项叫 “Request-Handler (qt)”,拥有默认值 “/select”。Request handlers是一组预定义查询. 如果你查看Solr config文件,你就会看到是这样的:
?
1
|
$ vim solr-4.1.0 /example/solr/collection1/conf/solrconfig .xml
|
?
1
2
3
4
5
6
7
|
< requestHandler name = "/select" class = "solr.SearchHandler" >
< lst name = "defaults" >
< str name = "echoParams" >explicit</ str >
< int name = "rows" >10</ int >
< str name = "df" >text</ str >
</ lst >
</ requestHandler >
|
第二个参数才是我们最感兴趣的。默认值 “*:*” 意味着查询任何内容,如果你点击“execute query” ,你可以得到像下面这样的内容:
?
1
2
3
4
5
6
7
8
9
10
11
12
13
|
<? xml version = "1.0" encoding = "UTF-8" ?>
< response >
< lst name = "responseHeader" >
< int name = "status" >0</ int >
< int name = "QTime" >1</ int >
< lst name = "params" >
< str name = "indent" >true</ str >
< str name = "q" >*:*</ str >
< str name = "wt" >xml</ str >
</ lst >
</ lst >
< result name = "response" numFound = "0" start = "0" />
</ response >
|
索引结果为空,但这不是什么问题,你需要插入一些示例数据。
?
1
2
3
4
5
6
7
8
|
$ cd solr-4.1.0 /example/exampledocs/
$ java -jar post.jar monitor.xml
SimplePostTool version 1.5
Posting files to base url http: //localhost :8983 /solr/update using content- type application /xml ..
POSTing file monitor.xml
1 files indexed.
COMMITting Solr index changes to http: //localhost :8983 /solr/update ..
|
现在你可以返回查询界面,这次就会有一个文档返回。
Collection的数据结构是在schema文件中定义的。
?
1
|
$ vim solr-4.1.0 /example/solr/collection1/conf/schema .xml
|
这个文件有非常多的注释,你可以很容易分辨出他们是做什么的。如果你要修改scheme文件,请不要删除名叫“text”的字段(如果没很好的理由),他是和另外的字段和查询语句中关联的(包括select, look等等)。
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
$ grep text solr-4.1.0/example/solr/collection1/conf/schema.xml | grep copy
< copyField source = "cat" dest = "text" />
< copyField source = "name" dest = "text" />
< copyField source = "manu" dest = "text" />
< copyField source = "features" dest = "text" />
< copyField source = "includes" dest = "text" />
< copyField source = "title" dest = "text" />
< copyField source = "author" dest = "text" />
< copyField source = "description" dest = "text" />
< copyField source = "keywords" dest = "text" />
< copyField source = "content" dest = "text" />
< copyField source = "content_type" dest = "text" />
< copyField source = "resourcename" dest = "text" />
< copyField source = "url" dest = "text" />
|
如果你使用的是关系数据库,你不希望有重复的数据。Solr不是一个数据库,多数字段也被处理成文本字段,默认request handler就是这样。
从PHP访问Solr需要一个客户端。我建议从PECL下载一个。它快速,API清晰,文档优良。不过要注意,这个扩展现在版本1.0.2,不支持Solr 4.x。Solr 3.x和4.x的协议有微小不同。不过别担心,我已经做了修改,你可以从https://github.com/lukaszkujawa/php-pecl-solr下载兼容版本。我已经用了一段时间,是可靠的。它和官方的有点差别在SolrClient构造函数中多一个Solr版本参数。这个补丁将会发布在官方版本中,你不用担心此后的兼容性。
?
1
2
3
4
5
6
7
8
|
$ git clone https: //github .com /lukaszkujawa/php-pecl-solr .git
$ cd php-pecl-solr/
$ phpize
$ whereis php-config
php-config: /usr/bin/php-config /usr/bin/X11/php-config
$ . /configure --with-php-config= /usr/bin/php-config
$ make
$ make install
|
添加到你的php.ini
?
重启Web服务器
?
1
|
$ /etc/init .d /apache2 restart
|
现在就可以写php添加内容到索引中了。
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
<?php
$options = array (
‘hostname‘ => ‘127.0.0.1‘ ,
);
$client = new SolrClient( $options , "4.0" ); // 参数4.0针对Solr4.x,其他版本时忽略
$doc = new SolrInputDocument();
$doc ->addField( ‘id‘ , 100);
$doc ->addField( ‘title‘ , ‘Hello Wolrd‘ );
$doc ->addField( ‘description‘ , ‘Example Document‘ );
$doc ->addField( ‘cat‘ , ‘Foo‘ );
$doc ->addField( ‘cat‘ , ‘Bar‘ );
$response = $client ->addDocument( $doc );
$client ->commit();
/* ------------------------------- */
$query = new SolrQuery();
$query ->setQuery( ‘hello‘ );
$query ->addField( ‘id‘ )
->addField( ‘title‘ )
->addField( ‘description‘ )
->addField( ‘cat‘ );
$queryResponse = $client ->query( $query );
$response = $queryResponse ->getResponse();
print_r( $response ->response->docs );
|
如果你添加的文档不止一条,她也可以处理得很好,而不需要频繁的commit。
知道Solr如何工作是很有价值的,你可以在很多项目中使用。她有个很棒的功能可以让你一次请求就可以拉取所有需要的数据。当然,你掌握她需要耗费一些时间,但这值得你付出。Solr拥有一个活跃的社区和完整的文档资源,如果你还担心在项目中使用,请翻阅Solr 3 企业搜索服务器,她不仅仅是让你快速搭建起搜索服务,还是你数据挖掘的基础。
时间: 2024-10-14 04:58:18