Solr之what & why

1. What

要了解Solr是什么，需要先知道另外一位兄台 — Lucene。这十多年来，搜索引擎火了，而且是暴利的行业，毕业后能到搜索引擎企业的同学，即使是国内的企业，现在也相当有米了！而Lucene就是用Java编写的一个全文信息搜索包，它提供了索引跟搜索的功能，但它不是一个完整的搜索引擎程序，因为它没有爬虫，服务器管理等等组件。也正是因为Lucene是一个纯粹的全文信息搜索包，使得它更能够为大家所用，从而更受欢迎。

 

而Solr就是对Lucene进行包装，甚至重写部分实现的搜索服务器，提供了层面搜索，高亮搜索以及多格式输出的功能，还提供了分布式搜索，分片搜索以及可扩展性等等。因此Solr足以担当一个企业级应用的名号。

 

Solr最初是由CNET Networks开发的，属于ApacheSoftware Foundation的一个开源项目，在2007年酝酿成熟。Solr的使用者有  WhiteHouse.gov; AOL.com; SourceForge.net;Netflix.com; Plaxo.com; Eclipse

 

2.Why

究竟Solr能带给我们什么好处呢？

1）  Solr的查询或者更新都是通过HTTP，以XML或者JSON，CSV等格式进行的。这样可以使得application跟solr做整合的时候花的功夫比较少。而不像是数据库一样，需要专门的驱动包，专门的格式等等

2）  Solr提供了一个强大的Web Admin，可以通过页面进行查询，更新，监控，分析，甚至重新加载配置文件

3）  Solr支持分布式负载平衡，主从负载点之间用replication的方式进行同步

4）  支持缓存、自动热加载，让查询来的更猛烈些

5）  可以有多重不同的数据源，RDBMS，XML，甚至将数据从程序直接添加到Solr

6）  …

 

综上所诉，Solr 带来的最大的好处就是 查询快！而与此同时，也带来了一些问题，比如：

1)      比较难用于复杂的业务逻辑查询。Solr的查询语法不支持JOIN （听说Solr4.0支持JOIN操作），进行子查询也不是件容易的事，多条件进行OR操作性能也不是很乐观！

2)      主从负载点确实能提高性能，但随着带来的问题是数据的及时性问题。由于Solr同一时刻只能有一个server可以写index，所以这就迫使大多数设计只能有一个写服务器，加上N个读服务器。当写服务器更新index之后，它需要发出信号跟大家说“有更新啦，快来拿呀”，然后各个从服务器再从主服务器拿到更新的index。而在此期间，主服务器跟从服务器之间的数据是不一致的，在更新期间，各个从服务器之间也回出现数据不一致的情况

 

所有利器都是把双刃剑！个人觉得 用Solr也是有条件的：不需要复杂的业务逻辑查询（当然，我们可以在数据加进index的时候进行一些处理），对于数据的一致性/实时性的要求不高。当然，Solr的后续版本可能有办法解决这样的问题，到时找时间再更新！

 最后再泼一盆冷水，千万别把Solr当做是RDBMS 性能问题的救星！！最近有不少同事在问Solr可不可以做这个做那个的问题，甚至还在抱怨solr支持得不好。只能说：Solr不是银弹！我们做这种POC的时候，不是说 Solr有什么什么功能我们可以用，而是要先分析我们的问题究竟是什么，瓶颈在哪里，然后去找寻哪个产品最能解决这一类的问题。 千万千万不能本末倒置....