ApacheSolr是一个开源的搜索服务器,Solr使用Java语言开发,主要基于HTTP和Apache Lucene实现。定制Solr索引的实现方法很简单,用POST方法向Solr服务器发送一个描述所有Field及其内容的XML文档就可以了。定制搜索的时候只需要发送HTTPGET请求即可,然后对Solr返回的信息进行重新布局,以产生利于用户理解的页面内容布局。Solr1.3版本开始支持从数据库(通过JDBC)、RSS提要、Web页面和文件中导入数据,但是不直接支持从二进制文件格式中提取内容,比如MSOffice、AdobePDF或其他专有格式。
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Nutch、Luke)也可以使用Solr创建新的索引。
Solr的特性
- 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。
Solr使用Lucene并且进行了扩展
- 一个真正的拥有动态域(DyingField)和唯一键(UniqueKey)的数据模式(DataSchema)。
- 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(Fastincremental Updates)和快照发布(SnapshotDistribution)。
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的域。
- 显示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。
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。
- 基于域值和显示查询的片段式搜索(FacetedSearch)。
- 对查询语言增加了排序规范。
- 常量的打分范围(Constantscoring 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(FunctionQuery)——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。
核心
- 可插拔的查询句柄(QueryHandler)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。
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缓存。
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(PullStrategy)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。
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。