Solr I 入门——环境搭建与创建core

搭建Solr运行环境

1.从Solr官网下载solr包，在本例中，我下载的是solr-4.10.4.zip

2.安装部署的步骤，参照如下链接： http://blog.csdn.net/wuzhilon88/article/details/42675573

创建Core

1.在solr home中创建新的core目录

    在solr home（solr home是在tomcat/webapps/solr/WEB-INF/web.xml中指定的，由<env-entry>里的<env-entry-value>字段指定。具体如下所示）中新建一个目录，目录的名字要和你新的core名称一样。在本例中，要创建一个叫user的core，所以本例中创建的目录叫user。

<env-entry>

     <env-entry-name>solr/home</env-entry-name>

     <env-entry-value>D:\solrHome</env-entry-value>

     <env-entry-type>java.lang.String</env-entry-type>

 </env-entry>

2.创建新core的schema.xml、solrconfig.xml、elevate.xml

    在新建的user目录中创建conf目录。在conf目录中创建schema.xml、solrconfig.xml和elevate.xml。这三个文件可以从其他已经存在的core中复制。或者从官网下载下来的solr包中的example目录中找到，具体这三个文件在example目录中的位置，因所下载的具体solr版本而异，可以通过搜索搜索找到。在本例中，这些文件可以在solr\example\solr\collection1\conf目录中找到。schema.xml的内容可以参见本文最下面的schema.xml模板中的内容进行修改。schema.xml就是用来指定该core的字段结构的。

注：在本例中，暂不过于关注字段的类型以及各种属性，在以后的阶段再专门研究该部分内容。

在本例中，schema.xml的内容如下：

<?xml version="1.0" encoding="UTF-8" ?>

<schema name="example" version="1.5">

 <fields>

   <field name="id" type="string" indexed="true" stored="true"

           required="true" multiValued="false" />

   <field name="name" type="string" indexed="true"

           stored="true" multiValued="true"/>

   <field name="age" type="int" indexed="true" stored="true"/>

   <field name="birthday" type="string" indexed="true" stored="true"/>

   <field name="identityID" type="string" indexed="false"

           stored="true" multiValued="true"/>

   <!-- 保留字段，不能删除，否则报错 -->

   <field name="_version_" type="long" indexed="true" stored="true"/>

   

 </fields>

 <!-- 文档的唯一标识，可理解为主键，除非标识为required="false", 否则值不能为空-->

 <uniqueKey>id</uniqueKey>

  <types>

    <!-- 字段类型定义 -->

    <fieldType name="string" class="solr.StrField" sortMissingLast="true" />

    <fieldType name="boolean" class="solr.BoolField" sortMissingLast="true"/>

    <fieldType name="int" class="solr.TrieIntField" precisionStep="0"

        positionIncrementGap="0"/>

    <fieldType name="float" class="solr.TrieFloatField" precisionStep="0"

        positionIncrementGap="0"/>

    <fieldType name="long" class="solr.TrieLongField" precisionStep="0"

        positionIncrementGap="0"/>

    <fieldType name="double" class="solr.TrieDoubleField" precisionStep="0"

        positionIncrementGap="0"/>

    <fieldType name="date" class="solr.TrieDateField" precisionStep="0"

        positionIncrementGap="0"/>

 </types>

</schema>

3.在Solr的管理页中添加新的core

    进入solr页面，如下图所示。先后点击1、2，页面会显示3中的表单，在3中如下填写，然后点"Add Core"。之后即可添加成功。如果在之前的步骤中，有什么操作失误导致添加不成功，页面会有红色错误提示显示出来，依照错误提示进行相应处理即可。添加成功后，在左侧的Core Selector下拉框中，即会出现新增的user选项。

4.尝试在新建的core中添加document

    为了验证core添加的是否成功，按如下图所示步骤依次操作：点击1，在2中填写json串，json串的内容依schema.xml中设置的结构填写。然后点击3。无论成功与否，4处都会显示结果。

5.查询刚添加的数据

    如下图所示。点击1，然后滚轮滚到最下面，点击2。查询的结果会在3中显示出来。

schema.xml模板。转自 http://my.oschina.net/HuifengWang/blog/307471

要注意的是，如果要复制该例，该例中的部分内容需去掉，如泰语、土耳其语那部分，因为没有响应的文件包，若不去掉会报错。

<?xml version="1.0" encoding="UTF-8" ?>
  略...
<!--  
这是Solr的schema文件，应该命名为schema.xml，并且在solr home的conf目录下
（如，默认在./solr/conf/schema.xml）.

 有关如何根据需要定制化该文件，请参照：
 http://wiki.apache.org/solr/SchemaXml  性能须知: 这里包含了很多实际应用不需要的可选项。 为改善性能，你可以：
  - 尽量将所有仅用于搜索，而不用于实际返回的字段设置stored="false"；
  - 尽量将所有仅用于返回，而不用于搜索的字段设置indexed="false"；
  - 去掉所有不需要的copyField 语句；
  - 为了达到最佳的索引大小和搜索性能,对所有的文本字段设置indexed="false"，
    使用copyField将他们拷贝到“整合字段”name="text"的字段中，使用整合字段进行搜索；
  - 使用server模式来运行JVM,同时将log级别调高, 避免输出所有请求的日志。
-->

<schema name="example" version="1.5">
  略...

 <fields>
   <!-- fields各个属性说明:
     name: 必须属性 - 字段名
     type: 必须属性 - <types>中定义的字段类型 
     indexed: 如果字段需要被索引（用于搜索或排序），属性值设置为true
     stored: 如果字段内容需要被返回，值设置为true
     docValues: 如果这个字段应该有文档值（doc values），设置为true。文档值在门
           面搜索，分组，排序和函数查询中会非常有用。虽然不是必须的，而且会导致生成
           索引变大变慢，但这样设置会使索引加载更快，更加NRT友好，更高的内存使用效率。
           然而也有一些使用限制：目前仅支持StrField, UUIDField和所有 Trie*Fields, 
           并且依赖字段类型, 可能要求字段为单值（single-valued）的,必须的或者有默认值。
     multiValued: 如果这个字段在每个文档中可能包含多个值，设置为true
     termVectors: [false] 设置为true后，会保存所给字段的相关向量（vector）
           当使用MoreLikeThis时, 用于相似度判断的字段需要设置为stored来达到最佳性能.
     termPositions: 保存和向量相关的位置信息，会增加存储开销 
     termOffsets: 保存 offset 和向量相关的信息，会增加存储开销
     required: 字段必须有值，否则会抛异常
     default: 在增加文档时，可以根据需要为字段设置一个默认值，防止为空
   -->

   <!-- 字段名由字母数字下划线组成，且不能以数字开头。两端为下划线的字段为保留字段，
      如(_version_)。
    -->
        
   <field name="id" type="string" indexed="true" stored="true" 
           required="true" multiValued="false" /> 

   <field name="title" type="text_general" indexed="true" 
           stored="true" multiValued="true"/>
   <field name="description" type="text_general" indexed="true" stored="true"/>
   <field name="author" type="text_general" indexed="true" stored="true"/>
   <field name="keywords" type="text_general" indexed="true" stored="true"/>
   <field name="category" type="text_general" indexed="true" stored="true"/>
   <field name="url" type="text_general" indexed="true" stored="true"/>
   <field name="last_modified" type="date" indexed="true" stored="true"/>
   <!-- 注意: 为了节省空间,这个字段默认不被索引, 因使用copyField被拷贝到了名为text的字段中
      。用于内容返回和高亮。搜索时使用text字段 
   -->
   <field name="content" type="text_general" indexed="false" 
           stored="true" multiValued="true"/>
   
   <!-- 整合字段(catchall field), 包含其他可搜索的字段 （通过copyField实现） -->
   <field name="text" type="text_general" indexed="true" 
           stored="false" multiValued="true"/>

   <!-- 保留字段，不能删除，否则报错 -->
   <field name="_version_" type="long" indexed="true" stored="true"/>
   
 </fields>


 <!-- 文档的唯一标识，可理解为主键，除非标识为required="false", 否则值不能为空-->
 <uniqueKey>id</uniqueKey>

  <!-- 拷贝需要索引的字段到整合字段中  -->
   <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="url" dest="text"/>
 
  <types>
    <!-- 字段类型定义 -->
    <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
    <fieldType name="boolean" class="solr.BoolField" sortMissingLast="true"/>
    <fieldType name="int" class="solr.TrieIntField" precisionStep="0" 
        positionIncrementGap="0"/>
    <fieldType name="float" class="solr.TrieFloatField" precisionStep="0" 
        positionIncrementGap="0"/>
    <fieldType name="long" class="solr.TrieLongField" precisionStep="0" 
        positionIncrementGap="0"/>
    <fieldType name="double" class="solr.TrieDoubleField" precisionStep="0" 
        positionIncrementGap="0"/>
    <fieldType name="date" class="solr.TrieDateField" precisionStep="0" 
        positionIncrementGap="0"/>
      略...
    <!-- Thai，泰语类型字段 -->
    <fieldType name="text_th" class="solr.TextField" positionIncrementGap="100">
      <analyzer> 
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.ThaiWordFilterFactory"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" 
            words="lang/stopwords_th.txt" />
      </analyzer>
    </fieldType>
    
    <!-- Turkish，土耳其语类型字段 -->
    <fieldType name="text_tr" class="solr.TextField" positionIncrementGap="100">
      <analyzer> 
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.TurkishLowerCaseFilterFactory"/>
        <filter class="solr.StopFilterFactory" ignoreCase="false" 
            words="lang/stopwords_tr.txt" />
        <filter class="solr.SnowballPorterFilterFactory" language="Turkish"/>
      </analyzer>
    </fieldType>
    
    <!-- Chinese，需要我们自己配置，整合mmseg4j就配置在这里 -->
 </types>
  
  <!-- 文档相似度判断依赖于文档相似度得分。 一个自定义的 Similarity 或 SimilarityFactory 
     可以在这里指定, 但是默认的设置已经适合大多数应用。可以参考: 
     http://wiki.apache.org/solr/SchemaXml#Similarity
    -->
  <!--
     <similarity class="com.example.solr.CustomSimilarityFactory">
       <str name="paramkey">param value</str>
     </similarity>
    -->

</schema>