原文地址:http://www.cnblogs.com/xia520pi/p/3625232.html
1、Solr简介
Solr是一个高性能,采用Java5开发,基于Lucene的全文搜索服务器。同时对其进行了扩展,提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展并对查询性能进行了优化,并且提供了一个完善的功能管理界面,是一款非常优秀的全文搜索引擎。
Solr最初由CNET Networks开发,2006 年初,Apache Software Foundation 在Lucene顶级项目的支持下得到了Solr。Solr于2007年1月酝酿成熟,在整个项目孵化期间,Solr稳步地积累各种特性并吸引了一个稳定的用户群体、贡献者和提交人。Solr 现在是 Lucene(Apache 的基于Java的全文本搜索引擎库)的一个子项目。
1.1 Solr的特性
Solr是一个拥有像WebService一样接口的独立运行的搜索服务器。你将能够通过HTTP协议以XML格式将文档放入搜索服务器(这个过程叫做索引),你能够通过HTTP协议的GET来查询搜索服务器并且得到XML格式的结果。
Solr的特性包括:
-
高级的全文搜索功能
-
专为高通量的网络流量进行的优化
-
基于开放接口(XML和HTTP)的标准
-
综合的HTML管理界面
-
可伸缩性-能够有效地复制到另外一个Solr搜索服务器
-
使用XML配置达到灵活性和适配性
-
可扩展的插件体系
1.2 Solr的目录结构
Solr 程序包的目录结构:
-
client :包含了一些特定语言调用Solr 的API 客户端程序,目前只有Ruby 可供选择,Java 客户端叫SolrJ 在src/solrj 中可以找到。
-
contrib :在solr 构建过程中放置已编译文件的目录。
-
dist :存放Solr 构建完成的JAR 文件、WAR 文件和Solr 依赖的JAR 文件。
-
example :是一个安装好的Jetty 中间件,其中包括一些样本数据和Solr 的配置信息。
-
example/etc :Jetty 的配置文件。
-
example/multicore :当安装Slor multicore 时,用来放置多个Solr 主目录。
-
example/lib:放置可选的JAR 文件比如对Slor 扩展的插件,这些JAR 文件将会在Solr 启动时加载。
-
example/webapps :Solr 的WAR 文件部署在这里。
-
example/solr:默认安装时一个Solr 的主目录。
-
example/solr/bin :建议将集群复制脚本放在这个目录下。
-
example/solr/conf :放置配置文件。
-
conf/schema.xml :建立索引的schema 包含了字段类型定义和其相关的分析器。
-
conf/solrconfig.xml :这个是Solr 主要的配置文件。
-
conf/xslt :包含了很多xslt 文件,这些文件能将Solr 的XML 的查询结果转换为特定的格式,比如:Atom/RSS。
-
1.3 Solr与Lucene关系
Lucene是apache软件基金会4 jakarta项目组的一个子项目,是一个开放源代码的全文检索引擎工具包,即它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎(英文与德文两种西方语言)。Lucene的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎
Solr是一个基于Lucene java库的企业级搜索服务器,包含XML/HTTP,JSON API,高亮查询结果,faceted search,缓存,复制还有一个WEB管理界面。Solr运行在Servlet容器中。所以Solr和Lucene的本质区别有以下三点:搜索服务器,企业级和管理。Lucene本质上是搜索库,不是独立的应用程序,而Solr是。Lucene专注于搜索底层的建设,而Solr专注于企业应用。Lucene不负责支撑搜索服务所必须的管理,而Solr负责。所以说,一句话概括Solr:Solr是Lucene面向企业搜索应用的扩展。
1)Solr使用Lucene并且扩展了它
-
一个真正的拥有动态域(Dynamic Field)和唯一键(Unique Key)的数据模式(Data Schema)
-
对Lucene查询语言的强大扩展!
-
支持对结果进行动态的分组和过滤
-
高级的,可配置的文本分析
-
高度可配置和可扩展的缓存机制
-
性能优化
-
支持通过XML进行外部配置
-
拥有一个管理界面
-
可监控的日志
-
支持高速增量式更新(Fast incremental Updates)和快照发布(Snapshot Distribution)
2)Schema(模式)
-
定义域类型和文档的域
-
能够驱动智能处理
-
声明式的Lucene分析器规范
-
动态域能够随时增加域
-
拷贝域功能允许对一个域进行多种方式的索引,或者将多个域联合成一个可搜索域
-
显式类型能够减少对域类型的猜测
-
能够使用外部的基于文件的终止词列表,同义词列表和保护词列表的配置
3)查询
-
拥有可配置响应格式(XML/XSLT,JSON,Python,Ruby)的HTTP接口
-
高亮的上下文搜索结果
-
基于域值和显式查询的片段式搜索(Faceted Search)
-
对查询语言增加了排序规范
-
常量的打分范围(Constant scoring range)和前缀式查询-没有idf,coord,或者lengthNorm因子,对查询匹配的词没有数量限制
-
函数查询(Function Query)-通过关于一个域的数值或顺序的函数对打分进行影响
-
性能优化
4)核心
-
可插拔的查询句柄(Query Handler)和可扩展的XML数据格式
-
使用唯一键的域能够增强文档唯一性
-
能够高效地进行批量更新和删除
-
用户可配置的文档索引变化触发器(命令)
-
并发控制的搜索器
-
能够正确处理数字类型,从而能够进行排序和范围搜索
-
能够控制缺失排序域的文档
-
支持搜索结果的动态分组
5)缓存
-
可配置的查询结果,过滤器,和文档缓存实例
-
可插拔的缓存实现
-
后台缓存热启:当一个新的搜索器被打开时,可配置的搜索将它热启,避免第一个结果慢下来,当热启时,当前搜索器处理目前的请求。
-
后台自动热启:当前搜索器缓存中最常访问的项目在新的搜索器中再次生成,能够在索引器和搜索器变化的时候高速缓存常查询的结果
-
快速和小的过滤器实现
-
支持自动热启的用户级别的缓存
6)复制
-
能够将使用rsync传输时改变的索引部分有效的发布
-
使用拉策略(Pull Strategy)来简化增加搜索器
-
可配置的发布间隔能够允许对时间线和缓存使用进行权衡选择
7)管理接口
-
能够对缓存使用,更新和查询进行综合统计
-
文本分析调试器,能够显示每个分析器每个阶段的结果
-
基于WEB的查询和调试输出:解析查询输出,Lucene的explain方法细节,能够解释为何某个文档打分低,被排除在结果中等等