solr手册

Solr部署及开发 
一、部署 
1 环境要求 
JDK 1.6及以上版本，Tomcat 6及以上，Solr发布版本4.X。如果使用较低版本，请查看Solr版本支持的JDK版本。 
2 安装步骤 
首先安装JDK 1.7和Tomcat 7，配置好环境变量，并下载最新版Solr，目前版本为4.6.0。如有必要可手动修改Tomcat端口号。为了支持中文，需要修改tomcat中conf目录下的server.xml文件，在connector 节点中添加字符编码属性URIEncoding，如下： 
<Connector port="8086" protocol="HTTP/1.1"  
connectionTimeout="20000" URIEncoding="UTF-8"redirectPort="8443" />  运行在jetty服务器 
Solr可以运行在自带的jetty服务器，可按如下步骤运行起来： 1、 解压solr-4.6.0.zip到你想到存放的路径，比如：d:/solr 2、 cmd打开命令行窗口，进入d:/solr/example目录 3、 执行命令：java -jar start.jar 
4、 通过第三步以后，系统会启动solr自带的jetty服务器，通过
http://localhost:8983/solr/便可访问solr。 此时，solr已成功启动。  
 运行在Tomcat服务器 
1、 solr.4.6.0.zip解压到指定的目录中，如d:/solr-4.6.0。 
2、 将d:/solr-4.6.0/example/webapps下的solr.war拷贝到tomcat–>weapps中。 3、 新建文件夹d:/sorl_home，将d:/solr-4.6.0/example/solr目录拷贝至d:/sorl_home中，
如果要配置为多核应用，可以将solr-4.6.0\example下的multicore拷贝到d:/sorl_home中，这样就会有就会有core0和core1两个应用。多核应用的配置与单核类似，此处示例单核应用。 4、 启动tomcat，此时tomcat会把solr.war进行解压，生成一个solr文件夹；停止tomcat，
删除solr.war。 
5、 用编辑器打开tomcat下面的weapps/solr/WEB-INF/web.xml，找到下面的代码： 
<!-- 
<env-entry> 
<env-entry-name>solr/home</env-entry-name> 
<env-entry-value>/put/your/solr/home/here</env-entry-value> <env-entry-type>java.lang.String</env-entry-type> </env-entry> 
--> 
























打开注释，修改成 <env-entry> 
<env-entry-name>solr/home</env-entry-name> 
<env-entry-value>D:/solr_home/solr</env-entry-value><!--此处为solr home的地址，在第三步中我们放置到D:/solr_home/solr，如果配置为相对路径，则要注意当前目录是在Tomcat的bin目录下--> 
<env-entry-type>java.lang.String</env-entry-type> </env-entry> 
6、 将solr-4.6.0\example\lib\ext中的jar包copy到tomcat的lib中，再将
solr-4.6.0\example\resources中的log4j.properties也放到tomcat/lib中，启动tomcat，访问：http://localhost:8080/solr，应该可以成功访问到solr界面。 
二、管理端的使用 
1 基本配置 
1.1 配置solrconfig.xml 
在SolrHome\solr\collection1\conf的solrconfig.xml文件中，将<lib>节点中相关包的路径配置正确，可以将解压包中contrib和dist文件拷贝到Tomcat下solr项目里面，然后配置成相对路径或者绝对路径即可，如果是相对路径，需要注意当前目录是在collection1下，即solrconfig.xml的祖父目录。 
1.2 配置schema.xml 
schema.xml配置文件是用于定义index索引库的结构，有点类似于数据表的定义。 1、field–类似于数据表的字段 <fields> 
<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" omitNorms="true"  default="df"/>    .....//省略 
<field name="_version_" type="long" indexed="true" stored="true"/><!--此字段最好不要删除！非要删除，请把solrconfig.xml中的updateLog注释，但不建议这样--> </fields> 属性介绍： （1）、name：字段名称 （2）、type：字段类型（此处type不是java类型，而是下面定义的fieldType） （3）、indexed：是否索引？true--solr会对这个字段进行索引，只有经过索引的字段才能被搜索、排序等；false--不索引 （4）、stored：是否存储？true--存储，当我们需要在页面显示此字段时，应设为true，否则false。 （5）、required：是否必须？true--此字段为必需，如果此字段的内容为空，会报异常；false--不是必需 （6）、multiValued：此字段是否可以保存多个值？ （7）、omitNorms：是否对此字段进行解析？有时候我们想通过某个字段的完全匹配来


















查询信息，那么设置 indexed="true"、omitNorms="true"。 （8）、default：设置默认值 2、fieldType–字段类型 <types> 
<fieldType name="string" class="solr.StrField" sortMissingLast="true" /> 
.....//省略 
<fieldType name="text_general" positionIncrementGap="100"> <analyzer type="index"> <tokenizer/> 
<filter ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" /> <filter/> </analyzer> 
<analyzer type="query"> <tokenizer/> 
<filter ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" /> <filter synonyms="synonyms.txt" ignoreCase="true" expand="true"/> <filter/> </analyzer> </fieldType> </types> 
属性说明： （1）、name：类型名称，<field>中的type引用的就是这个name （2）、class：solr自定义的类型 （3）、<analyzer type="index">定义建立索引时使用的分词器及过滤器 （4）、<analyzer type="query">定义搜索时所使用的分词器及过滤器 （5）、<tokenizer/>定义分词器 （6）、<filter/>定义过滤器 
2配置中文分词 
2.1 配置IKAnalyzer中文分词器 
注意：Solr4.X版本只能使用IK Analyzer 2012FF以上版本。配置步骤如下： 1.下载IKAnalyzer包 
下载地址：http://code.google.com/p/ik-analyzer/downloads/list 2.解压IK Analyzer 2012FF_hf1.zip包 用到其中三个文件： 
IKAnalyzer2012FF_u1.jar，放到$CATALINA_HOME/webapps/solr/WEB-INF/lib/目录下 
IKAnalyzer.cfg.xml,stopword.dic，放到$CATALINA_HOME/webapps/solr/WEB-INF/classes/目录下。 
3.设置IKAnalyzer中文分词 
修改$SOLR_HOME/collection1/conf/schema.xml文件，在<types></types>中增加如下内容: <fieldType name="text_ik" class="solr.TextField"> <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/> 


















<analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/> </fieldType> 
查询采用IK自己的最大分词法，索引则采用它的细粒度分词法，各自配置了isMaxWordLength属性。 
修改$SOLR_HOME/collection1/conf/schema.xml文件，在<fields></fields>中新增字段，或者修改如下内容: 
<field name="content" type="text_ik" indexed="false" stored="true" multiValued="true"/> <field name="text" type="text_ik" indexed="true" stored="false" multiValued="true"/>   ...... 
<copyField source="content" dest="text"/> 也可以自己增加删除相关字段。 4.重建索引，查询即可 
在管理界面点击collection1 >>analysis，然后在Analyse Fieldname / FieldType:下拉选择框中选择"content"或者"text_ik"，关闭Verbose Output核选框，在Field Value (Index)与Field Value (Query)中输入中文句子，点击"Analyse Values"即可以看到分词结果。 
2.2 配置mmseg4j 
mmseg4j的配置与IKAnalyzer类似，但mmseg4j-1.9.x版本中有bug，会报错，需要修改后重新编译或者等待作者更新代码，也可以使用较低版本开发。mmseg4j版本支持情况具体如下： 
mmseg4j 1.8.3 只支持lucene 2.9/3.0 接口和 solr1.4。其它没改动。 mmseg4j 1.8.5 支持lucene 3.1, solr3.1。 mmseg4j 1.9.0 支持lucene 4.0, solr4.0。 此处以mmseg4j-1.9.1为例叙述配置步骤： 1.下载mmseg4j和搜狗词库 下载地址: 
http://code.google.com/p/mmseg4j/ 
http://code.google.com/p/mmseg4j/downloads/detail?name=data.zip&can=2&q 2.解压mmseg4j 
将\mmseg4j-1.9.1\dist下面的三个包拷贝到webapps/solr/WEB-INF/lib/目录下。在\webapps\solr目录下新建一个dic文件夹,把新下载的词库data里面的两个文件拷贝到dic目录下。 
3.修改schema.xml文件 
修改$SOLR_HOME/collection1/conf/schema.xml，在<types></types>中增加如下内容:  <fieldType name="textComplex" class="solr.TextField" > <analyzer> 
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="C:/solr/collection1/conf/mm4jdic"/> 
</analyzer> </fieldType> 
<fieldType name="textMaxWord" class="solr.TextField" > <analyzer> 
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" 


















dicPath="C:/solr/collection1/conf/mm4jdic"/> 
</analyzer> </fieldType> 
<fieldType name="textSimple" class="solr.TextField" > <analyzer> 
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" 
dicPath="C:/solr/collection1/conf/mm4jdic"/> 
</analyzer> </fieldType> 
修改$SOLR_HOME/collection1/conf/schema.xml文件，在<fields></fields>中新增自己的字段，或者修改如下内容: 
<field name="m4j_content" type="textSimple" indexed="false" stored="true" multiValued="true"/> 
<field name="m4j_text" type="textSimple" indexed="true" stored="false" multiValued="true"/> 
   ...... 
<copyField source="m4j_content "dest="text"/> MMSeg算法有两种分词方法：Simple和Complex，都是基于正向最大匹配。Complex加了四个规则过虑。自定义词库文件名必需是“words”为前缀和“.dic”为后缀。如：/data/words-my.dic。 
4.修改mmseg4j的小BUG 
以下内容参考：http://wxf4150.blog.163.com/blog/static/111380836201292911234802/ 修改mmseg4j源代码中的MMSeg.java，增加属性readerStatus并增加相关Setters与Getters： 
privateintreaderStatus; publicintgetReaderStatus() { returnreaderStatus;  } 
public void setReaderStatus(intreaderStatus) { this.readerStatus = readerStatus;  } 
修改mmseg4j源代码中的MMSegTokenizer.java： public void reset(Reader input) throws IOException {   //super.reset(input); super.setReader(input); mmSeg.reset(input);  }  ...... 
 @Override 
publicbooleanincrementToken() throws IOException { clearAttributes(); 
if(mmSeg.getReaderStatus() == 1) { mmSeg.reset(this.input); mmSeg.setReaderStatus(0);