Solr简介（目录结构）-节选

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