solr 3.4 问题小记

1、索引PDF乱码

这种情况只发生在索引某些pdf文件，在网上找了很久，帖子都是很老的了，一时不知如何解决，于是到solr的contrib/extraction/lib目录下面找找看pdf使用的库：pdfbox-1.3.1.jar、fontbox-1.3.1.jar和jempbox-1.3.1.jar，再到官网上看看，发现最新的版本已经到1.6.0 了，索引下载回来替换掉原有的测试看看。在替换掉这三个jar包之后，重新索引之前乱码的文档，然后搜索，一切OK！

 

2、搜索时，某些字段返回值太大，影响使用。这个最后在stackoverflow上找到解答了，这里非常感谢作者：http://stackoverflow.com/questions/3452665/how-do-i-return-only-a-truncated-portion-of-a-field-in-solr。

具体操作如下：

添加搜索参数：

fl=id,name&

hl=true&

hl.fl=attr_content&

f.attr_content.hl.snippets=2&

f.attr_content.hl.alternateField=attr_content&

hl.maxAlternateFieldLength=300

 

第一行定义查询结果返回的字段，第二行定义使用高亮显示关键字，第三行定义需要高亮的字段，第四行我的理解是字段内容切片数，第五行第一高亮字段的可选字段，第六行是定义最大长度300.

 

 

3、在索引某些大文件时，会发生内存溢出，不过这个问题在第一个问题解决之后，暂时没有发生，后面还需要测试，以判断是否真正解决。

补充，通过仔细观察，发现如果PDF中使用了很多字体，这个时候会报错，内存溢出，针对这个的解决办法是设置tomcat启动参数，加大java虚拟机内存。