使用 Apache Solr 实现更加灵巧的搜索,第 1 部分: 基本特性和 Solr 模式
使用 Solr 进行索引、搜索和层面浏览
Solr 是一种可供企业使用的、基于 Lucene 的搜索服务器,它支持层面搜索、命中醒目显示和多种输出格式。在这篇分两部分的文章中,Lucene Java™ 的提交人 Grant Ingersoll 将介绍 Solr 并向您展示如何轻松地将其表现优异的全文本搜索功能加入到 Web 应用程序中。
一旦用户需要某种信息,就可以立即搜索到这些信息,这种要求再也不是可有可无的了。随着 Google 和类似的复杂搜索引擎的出现,用户希望得到高质量的搜索结果,帮助他们快速、轻易地找到所需的信息。经理对您的在线购物站点同样抱有很高的期望,要求它能够提供一个可伸缩、高度可用且易于维护的搜索解决方案,并且安装这个解决方案不应太昂贵。对于您而言,只是希望事业进步,让老板和客户满意,以及保持头脑清醒。
使用 Apache Solr 可以满足所有的这些要求,它是一种开放源码的、基于 Lucene Java 的搜索服务器,易于加入到 Web 应用程序中。Solr 提供了层面搜索、命中醒目显示并且支持多种输出格式(包括 XML/XSLT 和 JSON 格式)。它易于安装和配置,而且附带了一个基于 HTTP 的管理界面。您可以坚持使用 Solr 的表现优异的基本搜索功能,也可以对它进行扩展从而满足企业的需要。Solr 还拥有一个活跃的开发者群体,如有需要,您可以随时向他们寻求帮助。
这篇分为两部分的文章将介绍 Solr,展示其特性并举例说明如何将其完全加入到 Web 应用程序中。我们将首先提供一些 Solr 的基本介绍,包括安装和配置的说明。然后引入一个示例应用程序(博客界面),您可以通过该程序让自己熟悉一下 Solr 的各种特性。您将学习如何使用 Solr 来索引和搜索内容并探索 Solr 对层面浏览的支持。第 1 部分的最后将简要介绍一下 Solr 的模式并解释如何针对示例应用程序的索引结构配置模式。
安装和配置
要开始使用 Solr,需安装以下软件:
- Java 1.5 或更高版本。
- Ant 1.6.x 或更高版本。
- Web 浏览器,用来查看管理页面。建议使用 Firefox;相比之下使用 Internet Explorer 可能要复杂些。
- servlet 容器,如 Tomcat 5.5。本文中的示例假定您的 Tomcat 在 8080 端口上运行,这是 Tomcat 的默认设置。如果运行的是其他 servlet 容器或在其他的端口上运行,则可能要修改给出的 URL 才能访问示例应用程序和 Solr。我已经假定示例应用程序的各个部分都运行在 Tomcat 的本地主机上。另外还要注意 Solr 以打包的方式与 Jetty 一起提供。
要下载和安装所有这些应用程序,请参阅 参考资料。
设置 Solr
一旦搭建好运行环境,就可以从 ApacheMirrors Web 站点 下载 Solr 1.1 版。接下来,执行以下操作:
- 停止 servlet 容器。
- 在命令行选择希望在其中执行操作的目录,从中输入
mkdir dw-solr
。 - 输入
cd dw-solr
。 - 将 Solr 下载版本复制到当前目录中并解压缩。即可得到
apache-solr-1.1.0-incubating
目录。不用注意 incubating 标记;Solr 早已孵化成熟。 - 将 Solr WAR 文件复制到 servlet 容器的 webapps目录中。
- 下载示例应用程序,将其复制到当前目录,然后解压缩,即可在当前工作目录中得到一个 solr 目录。本文将一直把它用作 Solr 的主目录。
- 可以通过以下三种方式之一设置 Solr 的主位置:
- 设置 java 系统属性
solr.solr.home
(没错,就是solr.solr.home
)。 - 配置
java:comp/env/solr/home
的一个 JNDI 查找指向solr
目录。 - 在包含 solr 目录的目录中启动 servlet 容器。(默认的 Solr 主目录是当前工作目录下的 solr。)
- 设置 java 系统属性
- 将示例 WAR 文件(位于 dw-solr/solr/dist/dw.war 中)复制到 servlet 容器的 webapps 目录中,方法与复制 Solr WAR 文件相同。WAR 文件的 Java 的代码位于 dw-solr/solr/src/java 中,而 JSP 和其他 Web 文件位于 dw-solr/solr/src/webapp 中。
- 要验证所有程序都正常运行,请启动 servlet 容器并将浏览器指向 http://localhost:8080/solr/admin/。如果一切顺利,您应该看到类似图 1 所示的页面。如果没有出现管理页面,查看容器日志中的错误消息。另外,确保从 dw-solr 目录启动 servlet 容器,以便可以正确地设置 Solr 的主位置。
图 1. 一个 Solr 管理屏幕示例
![一个 Solr 管理屏幕示例图像。](https://i-blog.csdnimg.cn/blog_migrate/5956bb6e794ef55399d8bfcef927dcf7.png)
Solr 基础
因为 Solr 包装并扩展了 Lucene,所以它们使用很多相同的术语。更重要的是,Solr 创建的索引与 Lucene 搜索引擎库完全兼容。通过对 Solr 进行适当的配置,某些情况下可能需要进行编码,Solr 可以阅读和使用构建到其他 Lucene 应用程序中的索引。此外,很多 Lucene 工具(如 Luke)也可以使用 Solr 创建的索引。
在 Solr 和 Lucene 中,使用一个或多个 Document
来构建索引。Document
包括一个或多个 Field
。Field
包括名称、内容以及告诉 Solr 如何处理内容的元数据。例如,Field
可以包含字符串、数字、布尔值或者日期,也可以包含您想添加的任何类型。Field
可以使用大量的选项来描述,这些选项告诉 Solr 在索引和搜索期间如何处理内容。我将在本文中稍后详细讨论这些选项。现在,查看一下表 1 中列出的重要属性的子集:
表 1. 字段属性
属性名称 | 说明 |
---|---|
indexed | Indexed Field 可以进行搜索和排序。您还可以在 indexed Field 上运行 Solr 分析过程,此过程可修改内容以改进或更改结果。下一节提供了关于 Solr 的分析过程的更多信息。 |
stored | stored Field 内容保存在索引中。这对于检索和醒目显示内容很有用,但对于实际搜索则不是必需的。例如,很多应用程序存储指向内容位置的指针而不是存储实际的文件内容。 |
Solr 的分析过程
您可以在对应用程序内容索引之前运行 Solr 的分析过程来修改这些内容。在 Solr 和 Lucene 中,Analyzer
包括一个 Tokenizer
和一个或多个 TokenFilter
。Tokenizer
负责生成 Token
,后者在多数情况下对应要索引的词。TokenFilter
从 Tokenizer
接受 Token
并且可以在索引之前修改或删除 Token
。例如,Solr 的 WhitespaceTokenizer
根据空白断词,而它的 StopFilter
从搜索结果中删除公共词。其他类型的分析包括词干提取、同义词扩展和大小写折叠。如果应用程序要求以某种特殊方式进行分析,则 Solr 所拥有的一个或多个断词工具和筛选器可以满足您的要求。
您还可以在搜索操作期间对查询应用分析。一个总体规则是:应该对查询和要索引的文档运行相同的分析。不熟悉这些概念的用户常犯的一个错误就是:对文档标记进行词干提取,但不对查询标记进行词干提取,通常导致零搜索匹配。Solr 的 XML 配置使它可以轻易地使用简单声明创建 Analyzer
,本文稍后会对此作出展示。
有关 Solr 和 Lucene 的分析工具,以及索引结构和其他功能的更多信息,请参阅 参考资料。
示例应用程序
以下各节将使用实际的示例应用程序向您介绍 Solr 的功能。该示例应用程序是一个基于 Web 的博客界面,您可以使用它来记录条目、给条目指派元数据,然后索引和搜索条目。在索引和搜索过程的每一步,您都可以选择显示发送到 Solr 的命令。
要查看示例应用程序,请将浏览器指向 http://localhost:8080/dw/index.jsp。如果一切设置正确(如 “设置 Solr” 描述的那样),则您可以看到一个题为 “Sample Solr Blog Search” 的简单用户界面,在标题的正下方有一些菜单项。当您浏览本文的两个部分时,将会了解到菜单中的所有主题。
索引操作
在 Solr 中,通过向部署在 servlet 容器中的 Solr Web 应用程序发送 HTTP 请求来启动索引和搜索。Solr 接受请求,确定要使用的适当 SolrRequestHandler
,然后处理请求。通过 HTTP 以同样的方式返回响应。默认配置返回 Solr 的标准 XML 响应。您也可以配置 Solr 的备用响应格式。我将在本文的第 2 部分向您展示如何定制请求和响应处理。
索引就是接受输入(本例中是博客条目、关键字和其他元数据)并将它们传递给 Solr,从而在 HTTP Post
XML 消息中进行索引的过程。您可以向 Solr 索引 servlet 传递四个不同的索引请求:
- add/update 允许您向 Solr 添加文档或更新文档。直到提交后才能搜索到这些添加和更新。
- commit 告诉 Solr,应该使上次提交以来所做的所有更改都可以搜索到。
- optimize 重构 Lucene 的文件以改进搜索性能。索引完成后执行一下优化通常比较好。如果更新比较频繁,则应该在使用率较低的时候安排优化。一个索引无需优化也可以正常地运行。优化是一个耗时较多的过程。
- delete 可以通过 id 或查询来指定。按 id 删除将删除具有指定 id 的文档;按查询删除将删除查询返回的所有文档。
一个索引示例
浏览到 http://localhost:8080/dw/index.jsp 可以查看索引过程的更多细节。首先为表单中的每个字段填入适当的条目并按 Submit 按钮。示例应用程序接受条目、创建 Solr 请求并显示请求以便在下一个屏幕上查看。清单 1 包含了一个 add
命令的例子,当您按下 Submit 按钮时向 Solr 发送这个命令。
清单 1. Solr add 命令样例
<add> <doc> <field name="url">http://localhost/myBlog/solr-rocks.html</field> <field name="title">Solr Search is Simply Great</field> <field name="keywords">solr,lucene,enterprise,search</field> <field name="creationDate">2007-01-06T05:04:00.000Z</field> <field name="rating">10</field> <field name="content">Solr is a really great open source search server. It scales, it's easy to configure and the Solr community is really supportive.</field> <field name="published">on</field> </doc> </add>
清单 1 的 <doc>
中的每个 field 条目告诉 Solr 应该将哪些 Field
添加到所创建文档的 Lucene 索引中。可以向 add
命令添加多个 <doc>
。稍后我将解释 Solr 如何处理这些 field。现在,知道包含清单 1 中指定的七个 field 的文档将会被索引就足够了。
当您在 “Solr XML Command” 页面提交命令时,结果将发往 Solr 进行处理。HTTPPOST
将命令发往在 http://localhost:8080/solr/update 运行的 Solr Update Servlet。如果一切进展顺利,则会随 <result status="0"/>
返回一个 XML 文档。Solr 使用相同的 URL 自动更新文档(示例应用程序中的 URL 是 Solr 识别文档以前是否被添加过所使用的惟一 id)。
实践索引
现在再添加几个文档并提交这些文档,以便在下一节中有文档可供搜索。一旦您熟悉 add
命令的语法后,就可以取消选择 Index 按钮旁边的 “Display XML...” 复选框,跳过 “Solr XMLCommand” 页面。本文附带的 样例文件 包含了一个很多这些示例中使用的索引版本。
您可以通过在 http://localhost:8080/dw/delete.jsp 页面输入文档的 URL、提交并查看命令,然后将命令提交到 Solr 来删除文档。有关索引和删除命令的更多信息,请参阅 参考资料 中的 “Solr Wiki” 参考。
搜索命令
添加文档后,就可以搜索这些文档了。Solr 接受 HTTP GET
和 HTTPPOST
查询消息。收到的查询由相应的 SolrRequestHandler
进行处理。出于本文的讨论目的,我们将使用默认的 StandardRequestHandler
。在本文的第 2 部分,我将向您展示如何为其他的 SolrRequestHandler
配置 Solr。
要查看搜索运行,返回到示例应用程序并浏览到 http://localhost:8080/dw/searching.jsp。此屏幕应该与索引屏幕非常类似,只是增加了几个搜索相关的选项。与索引类似,可以向各种输入字段中输入值,选择搜索参数并将查询提交给示例应用程序。示例应用程序醒目显示了一些 Solr 中更常见的查询参数。这些参数如下所示:
- 布尔运算符:默认情况下,用于合并搜索条目的布尔运算符是
OR
。将它设为AND
要求匹配的文档中出现所有的条目。 - 结果数目:指定返回的最大结果数目。
- 开始:结果集中开始的偏移量。此参数可用于分页。
- 醒目显示:醒目显示匹配文档字段的条目。参考 清单 2 底部的
<lst>
节点。醒目显示的条目标记为<em>
。
一旦输入和提交值后,博客应用程序就返回一个可以立即提交给 Solr 的查询字符串。提交字符串后,如果一切正常并且存在匹配文档,则 Solr 返回一个 XML 响应,其中包含了结果、醒目显示的信息和一些有关查询的元数据。清单 2 给出了一个示例搜索结果:
清单 2. 搜索结果示例
<response> <lst name="responseHeader"> <int name="status">0</int> <int name="QTime">6</int> <lst name="params"> <str name="rows">10</str> <str name="start">0</str> <str name="fl">*,score</str> <str name="hl">true</str> <str name="q">content:"faceted browsing"</str> </lst> </lst> <result name="response" numFound="1" start="0" maxScore="1.058217"> <doc> <float name="score">1.058217</float> <arr name="all"> <str>http://localhost/myBlog/solr-rocks-again.html</str> <str>Solr is Great</str> <str>solr,lucene,enterprise,search,greatness</str> <str>Solr has some really great features, like faceted browsing and replication</str> </arr> <arr name="content"> <str>Solr has some really great features, like faceted browsing and replication</str> </arr> <date name="creationDate">2007-01-07T05:04:00.000Z</date> <arr name="keywords"> <str>solr,lucene,enterprise,search,greatness</str> </arr> <int name="rating">8</int> <str name="title">Solr is Great</str> <str name="url">http://localhost/myBlog/solr-rocks-again.html</str> </doc> </result> <lst name="highlighting"> <lst name="http://localhost/myBlog/solr-rocks-again.html"> <arr name="content"> <str>Solr has some really great features, like <em>faceted</em> <em>browsing</em> and replication</str> </arr> </lst> </lst> </response>
一条查询消息可以包含大量的参数,表 2 中对醒目显示的那些参数进行了描述。参阅 参考资料 中的 “Solr Wiki” 参考可以查看参数的完整清单。
表 2. 醒目显示的查询参数
参数 | 描述 | 示例 |
---|---|---|
q | Solr 中用来搜索的查询。有关该语法的完整描述,请参阅 参考资料 中的 “Lucene QueryParser Syntax”。可以通过追加一个分号和已索引且未进行断词的字段(下面会进行解释)的名称来包含排序信息。默认的排序是 score desc ,指按记分降序排序。 | q=myField:Java AND otherField:developerWorks; dateasc 此查询搜索指定的两个字段并根据一个日期字段对结果进行排序。 |
start | 将初始偏移量指定到结果集中。可用于对结果进行分页。默认值为 0。 | start=15 返回从第 15 个结果开始的结果。 |
rows | 返回文档的最大数目。默认值为 10。 | rows=25 |
fq | 提供一个可选的筛选器查询。查询结果被限制为仅搜索筛选器查询返回的结果。筛选过的查询由 Solr 进行缓存。它们对提高复杂查询的速度非常有用。 | 任何可以用 q 参数传递的有效查询,排序信息除外。 |
hl | 当 hl=true 时,在查询响应中醒目显示片段。默认为 false。参看醒目显示参数上的 Solr Wiki 部分可以查看更多选项(见 参考资料)。 | hl=true |
fl | 作为逗号分隔的列表指定文档结果中应返回的 Field 集。默认为 “* ”,指所有的字段。“score” 指还应返回记分。 | *,score |
层面浏览
最近,似乎所有流行的购物站点都添加了便利的条件列表,帮助用户根据制造商、价格和作者缩小搜索结果的范围。这些列表是层面浏览的结果,层面浏览是一种分类方式,用于对已经返回到有意义的、已证实存在的种类的结果进行分类。层面用于帮助用户缩小搜索结果的范围。
通过浏览到 http://localhost:8080/dw/facets.jsp 可以查看层面的运行。在这个页面上,您需要关注两种输入形式:
- 一个文本区域,您可以在其中输入查询,根据索引中的
all
字段发布此查询。将all
字段看作一连串已索引的所有其他字段。(稍后将对此作详细介绍。) - 一个可以用于分层面的字段下拉列表。此处并未列出所有的已索引字段,其原因马上就会得到解释。
输入一个查询并从下拉列表中选择一个层面字段,然后单击 Submit 与生成的查询一起传递给 Solr。博客应用程序解析结果并返回类似图 2 中的结果:
图 2. 层面浏览结果示例
![层面浏览结果示例的屏幕截图。](https://i-blog.csdnimg.cn/blog_migrate/009efd4083dc54b724b1274f0ab0c953.png)
在图 2 中,您可以在顶部看见所有非零值的层面计数,底部则是匹配所提交查询的两个搜索结果。单击示例中的层面链接提交原始查询,另外将 Facet 关键字作为一个新关键字。如果原始查询是 q=Solr
而层面字段是 keywords
,并且单击图 2 中的 replication
链接,则新查询将会是 q=Solr AND keywords:replication。
运行层面不需要打开它或在 Solr 中进行配置,但是可能需要按照新的方式对应用程序内容进行索引。在已索引的字段中完成分层,层面对未进行断词的非小写词最为有效。(因此我并未包含 content
字段或 Facet Field 下拉列表中添加到文档的其他字段。)Facet 字段通常不需要存储,因为分层面的总体思想就是显示人类可读的值。
另外还要注意 Solr 没有在层面中创建类别;必须由应用程序自身在索引期间进行添加,正如在索引应用程序时给文档指派关键字一样。如果存在层面字段,Solr 就提供了查明这些层面及其计数的逻辑。
Solr 模式
迄今为止,我已向您介绍了 Solr 的特性,但没有实际解释如何配置这些特性。本文的剩余部分主要介绍配置,首先介绍 Solr 模式(schema.xml)然后向您展示它如何与 Solr 的特性相关联。
在编辑器中,最好是支持 XML 标记醒目显示的编辑器,打开位于 <INSTALL_DIR>/dw-solr/solr/conf 中的 schema.xml 文件。首先要注意的是大量的注释。如果您以前使用过开放源码的软件,您将会为模式文件中的文档及整个 Solr 中的文档欣喜不已。因为 schema.xml 的注释非常全面,所以我主要介绍文件的一些关键属性,具体细节可查阅文档。首先,注意 <schema>
标记中模式(dw-solr)的名称。Solr 为每个部署支持一个模式。将来它可能支持多个模式,但是目前只允许使用一个模式。(参阅 参考资料 中的 “Solr Wiki” 参考,了解如何简单地配置 Tomcat 和其他容器,以便为每个容器使用多个部署。)
模式可以组织为三部分:
- 类型
- 字段
- 其他声明
<types>
部分是一些常见的可重用定义,定义了 Solr(和 Lucene)如何处理 Field
。在示例模式中,有 13 个字段类型,按名称从 string
到 text
。<types>
部分顶部声明的字段类型(如 sint
和 boolean
)用于存储 Solr 中的原始类型。在很大程度上,Lucene 只处理字符串,因此需要对整型、浮点型、日期型和双精度型进行特殊处理才能用于搜索。使用这些字段类型会警告 Solr 使用适当的特殊处理索引内容,不需要人为干涉。
类型
本文前面的内容中,我简要介绍了 Solr 的分析过程的基础。仔细观察一下 text
字段类型声明,您可以看见 Solr 管理分析的细节。清单 3 给出了 text
字段类型声明:
清单 3. 文本字段类型声明
<fieldtype name="text" class="solr.TextField" positionIncrementGap="100"> <analyzer type="index"> <tokenizer class="solr.WhitespaceTokenizerFactory"/> <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/> <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0"/> <filter class="solr.LowerCaseFilterFactory"/> <filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt"/> <filter class="solr.RemoveDuplicatesTokenFilterFactory"/> </analyzer> <analyzer type="query"> <tokenizer class="solr.WhitespaceTokenizerFactory"/> <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/> <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/> <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0"/> <filter class="solr.LowerCaseFilterFactory"/> <filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt"/> <filter class="solr.RemoveDuplicatesTokenFilterFactory"/> </analyzer> </fieldtype>
首先,注意我在清单 3 中声明了两个不同的 Analyzer
。虽然 Analyzer
对于索引和搜索并非完全相同,但是它们只是在查询分析期间的同义词添加方面有所差别。词干提取、停止词删除以及相似的操作都被应用于标记,然后才进行索引和搜索,导致使用相同类型的标记。接下来,注意我首先声明断词工具,然后声明使用的筛选器。示例应用程序的 Solr 配置按以下步骤进行设置:
- 根据空白进行断词,然后删除所有的公共词(StopFilterFactory)
- 使用破折号处理特殊的大小写、大小写转换等等。(WordDelimiterFilterFactory);将所有条目处理为小写(LowerCaseFilterFactory)
- 使用 Porter Stemming 算法进行词干提取(EnglishPorterFilterFactory)
- 删除所有的副本(RemoveDuplicatesTokenFilterFactory)
示例分析加入了很多用于改进搜索结果的常见方法,但不应被看作分析文本的惟一方式。每个应用程序都可能有一些自己的分析需求,这个示例或者甚至是 Solr 或 Lucene 中的任何现有 Analyzer
都可能没有涉及相应需求。请参阅 参考资料 中的 “More Info On Solr Analysis”,了解关于分析的更多选项以及如何使用其他 Analyzer
的信息。
字段
继续介绍模式的 <fields>
部分,查看 Solr 如何处理索引和搜索期间使用的 8 个(实际上是 7 个,外加一个 all
)字段。清单 4 中重复了这些字段:
清单 4. 博客应用程序的声明字段
<field name="url" type="string" indexed="true" stored="true"/> <field name="title" type="text" indexed="true" stored="true"/> <field name="keywords" type="text_ws" indexed="true" stored="true" multiValued="true" omitNorms="true"/> <field name="creationDate" type="date" indexed="true" stored="true"/> <field name="rating" type="sint" indexed="true" stored="true"/> <field name="published" type="boolean" indexed="true" stored="true"/> <field name="content" type="text" indexed="true" stored="true" /> <!-- catchall field, containing many of the other searchable text fields (implemented via copyField further on in this schema) --> <field name="all" type="text" indexed="true" stored="true" multiValued="true"/>
理解字段类型后,您可以清晰地看见如何处理每个字段。例如,url
字段是一个经过索引、存储和未经分析的 string
字段。同时,使用 清单 3 中声明的 Analyzer
来分析 text
字段。all
字段如何处理?all
字段是一个 text
字段,如 title
或 content
一样,但是它包含了连接在一起的几个字段的内容,便于使用备用搜索机制(记住层面搜索使用的是 all
字段)。
对于字段的属性,在 表 1 中您已经了解了 indexed
和 stored
的意义。multiValued
属性是一个特殊的例子,指 Document
可以拥有一个相同名称添加了多次的 Field
。比如在我们的示例中,可以多次添加 keywords
。omitNorms
属性告诉 Solr(和 Lucene)不要存储规范。省略规范对于节省不影响记分的 Field
的内存非常有用,比如那些用于计算层面的字段。
在结束 <fields>
部分之前,简要介绍一下字段声明下方的 <dynamicField>
声明。动态字段是一些特殊类型的字段,可以在任何时候将这些字段添加到任何文档中,由字段声明定义它们的属性。动态字段和普通字段之间的关键区别在于前者不需要在 schema.xml 中提前声明名称。Solr 将名称声明中的 glob-like 模式应用到所有尚未声明的引入的字段名称,并根据其 <dynamicField>
声明定义的语义来处理字段。例如,<dynamicField name="*_i" type="sint"indexed="true" stored="true"/>
指一个 myRating_i
字段被 Solr 处理为 sint
,尽管并未将其声明为字段。这种处理比较方便,例如,当需要用户定义待搜索内容的时候。
其他声明
最后,schema.xml 文件的最后部分包含了字段和查询相关的各种声明。最重要的声明是 <uniqueKey>url</uniqueKey>
。该声明用于告诉 Solr 先前声明的 url
字段是用于确定何时添加或更新文档的惟一标识符。defaultSearchField
是查询条目没有前缀任何字段时 Solr 在查询中使用的 Field
。示例所使用的查询与 q=title:Solr
类似。如果您输入 q=Solr
,则应用默认搜索字段。最终结果与 q=all:Solr
相同,因为 all
是博客应用程序中的默认搜索字段。
<copyField>
机制让您能够创建 all
字段而无需将文档的所有内容手工添加到单独的字段。复制字段是以多种方式索引相同内容的简便方法。例如,如果您希望提供区分大小写的精确匹配和忽略大小写的匹配,则可以使用一个复制字段自动分析收到的内容。然后严格按照收到的内容进行索引(所有的字母使用小写)。
下一步:用于企业的 Solr
目前为止,您已经安装了 Solr 并学习了如何使用它在示例应用程序中索引和搜索文档。您也了解了 Solr 中层面浏览如何工作,并学习了如何使用 Solr 的 schema.xml 文件声明索引结构。本文附带的 示例应用程序演示了这些功能和介绍了如何为 Solr 格式化命令。
在文章的第 2 部分,我将会介绍一些特性,它们将 Solr 从一个简单的搜索界面扩展成一个可供企业使用的搜索解决方案。您将学习 Solr 的管理界面和高级配置选项,以及性能相关的特性(如缓存、复制和日志记录)。我还将简要讨论扩展 Solr 以满足企业需求的一些方法。同时,充分利用示例应用程序,帮助自己熟悉 Solr 的基本功能。
下载
描述 | 名字 | 大小 |
---|---|---|
Solr 样例应用程序 | j-solr1.zip | 500KB |
参考资料
学习
- “用 Lucene 加速 Web 搜索应用程序的开发”(Deng Peng Zhou,developerWorks,2006 年 8 月):了解关于 Lucene 搜索库的更多信息,该库用作 Solr 的基础库。
- “Parsing, indexing, and searching XML with Digester and Lucene”(OtisGospodneti,developerWorks,2003 年 6 月):Lucene 初探。
- Solr 主页:学习教程、浏览 Javadocs 并随时关注 Solr 社区。
- Solr Wiki:查看 Wiki 获取关于 Solr 运作的众多文档。
- Solr 分析:了解关于 Solr 的分析器、断词工具和标记筛选器工作原理的更多信息。
- LuceneQueryParser Syntax:了解关于 Solr 和 Lucene 的查询解析器语法的更多信息。
- The Porter Stemming Algorithm:了解关于 Solr 使用的词干提取算法的更多信息。
- Public Websites using Solr:使用 Solr 功能的 Web 站点的清单。
- Lucene Java 主页:探索 Solr 的起源。
- Lucene In Action(OtisGospodneti and Erik Hatcher;Manning,2004 年):对 Lucene 有兴趣的人的必读之作。
- developerWorks Java 技术专区:关于 Java 编程各个方面的数百篇文章。
获得产品和技术
- Apache Mirrors:下载 Solr 1.1 或最新版本。
- 下载 Tomcat:参阅 Solr Wiki 的 Solr Tomcat 部分,了解有关同时运行 Solr 和 Tomcat 的具体细节。
- 下载 Ant。
- 下载 Firefox。
- 下载 JDK 1.5。
- 获取 Luke:一种检查 Lucene 索引的便捷工具。对索引中的内容有所疑问或查询不能正常运行时请咨询 Luke。
- 下载 curl:帮助从命令行提交 HTTP 请求。
讨论
- Solr MailingLists:成为 Solr 社区的一员。