其中值得注意的是,大流量的 Web 站点、Netflix、Digg 和 CNET 的 News.com 和 CNET Reviews 使用 Solr 来增强搜索功能。由 Solr 驱动的公共站点的长串列表可以在 Solr 维基中找到(请参阅 参考资料)。
了解如何使用 Solr 和 PHP 创建搜索汽车零部件数据库的小型应用程序。虽然示例数据库只是包含一些记录,但是它轻轻松松就能包含数百万条记录。本文中使用的所有源代码均可从 下载 部分获得。
要将 Solr 与 PHP 结合使用,您必须安装 Solr,设计索引,准备 Solr 要索引的数据,载入索引,编写执行查询的 PHP 代码和显示结果。创建可搜索索引所需的大部分工作可以通过命令行执行。当然,Solr 的 PHP 编程接口也会影响索引的内容。
Solr 是用 Java 技术实现的。要运行 Solr 及其管理工具,您必须安装 Java V1.5 软件开发包 (Java 5 SDK)。几个提供商都提供了 Java V1.5 SDK —— 例如,Sun Microsystems、IBM® 和 BEA Systems —— 并且每个实现都能够驱动 Solr。只需选择适用于您的操作系统的 Java 包并遵循相应的说明来完成安装。
在 许多情况下,安装 Java V1.5 就像运行自提取归档和接受许可证协议条款一样简单。归档中的脚本在几秒钟内就能完成所有大部分艰巨任务。其他操作系统(例如 Debian)将在 APT 系统库中提供 Java 5 SDK。例如,如果使用 Debian 或 Ubuntu,则可以用 sudo apt-get install sun-java5-jdk
安装 Java V1.5 软件。
APT 还将自动下载使用 Java 5 SDK 所需的所有依赖性,非常方便。
如果 Java 软件已经安装并且 Java 可执行文件已在 PATH
中,请运行 java -version
来确定拥有的 Java 代码。
在 这里,让我们使用 Mac OS X V10.5 Leopard 操作系统作为演示的基础。Apple 的 Leopard 附带了 Java V1.5。只要对 Apache 的默认配置进行微小更改,Leopard 也可以运行 PHP 应用程序。在 Leopard 终端窗口中运行 java -version
将生成以下输出。
清单 1. 在 Leopard 终端窗口中运行
java -version
|
注:Leopard 将允许您在 /Applications/Utilities/Java 的 Java Preferences 应用程序中的 Java V1.4 与 V1.5 之间来回切换。如果 Leopard 安装显示 V1.4,则打开 Java Preferences 并按照图 1 所示更改设置。
图 1. Leopard 中的 Java Preferences 应用程序
![Leopard 中的 Java Preferences 应用程序](https://i-blog.csdnimg.cn/blog_migrate/c0043da14d88542b8bf4074ac22acd78.png)
要安装 Solr,请访问 Apache.org,单击 Resources > Download,选择一个方便访问的项目镜像,并且在所示文件夹内浏览选择 Solr V1.2 的 tarball(.tgz 文件)。下载将传输名称类似 apache-solr-1.2.0.tgz 的文件。用下列代码解压缩 tarball。
清单 2. 解压缩 tarball
|
在新创建的目录中,名为 dist 的文件夹包含绑定为 Java 归档 (JAR) 的 Solr 代码。子目录 example/exampledocs 包含已经格式化的数据示例 —— 通常为 XML 代码 —— 并且准备好供 Solr 索引。
example 目录包含一个完整的样例 Solr 应用程序。要运行它,只需用应用程序归档 start.jar 启动 Java 引擎。
清单 3. 启动 Java 引擎
|
应用程序现在可以在 8983 端口上使用。启动浏览器并在地址栏中键入 http://localhost:8983/solr/admin/
。这是用于管理 Solr 的接口(要停止 Solr 服务器,请在命令行中键入 Ctrl+C 组合键)。
但是 Solr 索引中还没有数据可供管理或查询。
<imghttp: alt="" height="1" src="http://www.ibm.com/i/v14/rules/blue_rule.gif%22" width="100%" os-php-apachesolr="" opensource="" cn="" developerworks="" www.ibm.com=""><br><img width="8" height="6" border="0" src="https://i-blog.csdnimg.cn/blog_migrate/24243304a058335c8843e0441151b31d.gif/" alt=""></imghttp:> |
![]()
|
Solr 非常灵活,支持创建有效索引的各种数据类型和规则。而且虽然 Solr 支持数据类型和规则十分广泛,但是如果标准组件不够用,还可以通过编写新的 Java 类进一步自定义 Solr。
给定一组数据类型和规则,您就可以创建一个 Solr 模式来描述数据和控制应当怎样构造索引。然后导出数据来匹配模式并将数据装入 Solr。Solr 将动态创建索引,在记录被创建、修改或删除时立即更新每个索引。
可以在 Apache.org 的 Solr 源代码库中找到默认的 Solr 模式。为供参考,下面显示了默认模式的代码片段。
清单 3. 默认的 Solr 模式代码片段
|
模式的大部分内容都无需加以说明,但是有一些方面需要注意:
- 如示,字段
id
是字符串 (type="string"
) 并且应当被索引 (indexed="true"
)。它也是一个必需字段 (required="true"
)。使用此模式,载入 Solr 的每条记录必须为这个字段提供值。<uniqueKey>id</uniqueKey>
修饰词进一步说明id
字段必须惟一(Solr 不要求 ID 字段惟一;这只是在默认索引模式中建立的规则)。属性stored="true"
表示id
字段应当可检索。为什么不把
stored
设为false
?您可以使用不可检索的字段来以不同方式给结果排序,比方说使用nameSort
,它是name
字段的副本(最后一行中的copyField
命令),但是行为不同。注意,nameSort
是string
,而name
是text
。默认索引模式将采取稍微不同的方式来处理这两种类型。 - 字段
cat
是multiValued
。记录可以为此字段定义多个值。例如,如果应用程序管理内容,则可以给一篇文章指定多个标题。您可以使用cat
字段(或者自定义类似字段)来捕捉所有标题。
清单 4 显示了 example/exampledocs/ipod_other.xml 文件,该文件表示 iPod 附件分类中的两个条目。
清单 4. 为默认 Solr 索引模式格式化的数据
|
add
元素是用于将封装记录添加到索引中的 Solr 命令。每条记录都将被捕捉到 doc
元素中,该元素将使用一组名为 field
的元素来指定字段值。字段 weight
、price
、inStock
、manu
、features
和 popularity
都是在默认 Solr 索引模式中定义的其他字段。features
字段拥有与 cat
相同的属性,但是语义不同:它列举了产品的功能,数量可能较多。
<imghttp: alt="" height="1" src="http://www.ibm.com/i/v14/rules/blue_rule.gif%22" width="100%" os-php-apachesolr="" opensource="" cn="" developerworks="" www.ibm.com=""><br><img width="8" height="6" border="0" src="https://i-blog.csdnimg.cn/blog_migrate/24243304a058335c8843e0441151b31d.gif/" alt=""></imghttp:> |
![]()
|
本例将索引汽车零部件集。每个汽车零部件都有多个字段,表 1 中显示了最重要的字段样例。第一列中列出了字段名。第二列将提供简要描述,而第三列将列出逻辑类型。第四列将显示用于表示数据的索引类型(按照 清单 5 的模式中的定义)。
表 1. 汽车零部件记录的字段
名称 | 描述 | 类型 | Solr 类型 |
---|---|---|---|
部件号(惟一,强制) | 标识号 | 字符串 | partno |
名称 | 简要描述 | 字符串 | name |
型号(必需,多值) | 型号,例如 “Camaro” | 字符串 | model |
型号年份(多值) | 型号年份,例如 2001 | 字符串 | year |
价格 | 单价 | 浮点 | price |
库存 | 是否有存货 | 布尔 | inStock |
功能 | 零部件的功能 | 字符串 | features |
时间标记 | 活动记录 | 字符串 | timestamp |
重量 | 装运重量 | 浮点 | weight |
清单 3 显示了汽车零部件索引所使用的 Solr 模式部分。它大部分都是基于默认 Solr 模式。使用的具体字段 —— 名称和属性 —— 只是替换了在默认模式中找到的 fields
元素(如 清单 1 中所示)。
清单 5. 汽车零部件索引模式
|
针对以上字段,需要将汽车零部件数据库导出并格式化以上传到 Solr 中,如清单 6 所示。
清单 6. 为进行索引而格式化的汽车零部件数据库
|
让我们安装新索引模式并把数据装入 Solr。首先,通过使用 Ctrl+C 组合键来停止 Solr 守护进程(如果它仍在运行)。在 example/solr/conf/schema.xml 中制作现有 Solr 模式的归档。接下来,通过清单 6 创建一个文本文件,将其保存到 /tmp/schema.xml 中,然后复制到 example/solr/conf/schema.xml 中。为清单 7 中所示的数据创建另一个文件。现在,您可以重新启动 Solr 并使用示例所提供的 posting 实用程序。
清单 7. 启用带有新模式的 Solr
|
成功!如果需要检验索引是否存在并包含两个文档,请将浏览器再次指向 http://localhost:8983/solr/admin/。您应当会在页面顶部看到 “(autoparts)”。如果看到了,请单击页面中间的查询框并键入 partno: 1 or partno: 2
。
结果应当类似下面的内容:
3 on 10 0 partno: 1 OR partno: 2 2.2 |
尝试其他一些查询。Lucene 维基中介绍了 Lucene 查询(Solr 中的搜索引擎)的语法(请参阅 参考资料)。
您还应当尝试再次编辑和载入数据。由于声明了 partno
字段惟一,因此重复上传同一个部件号将只用新记录替换旧索引记录。除了 add
命令之外,您还可以使用 commit
、optimize
和 delete
。最后一个命令可以按照 ID 删除一条特定记录,也可以通过查询删除多条记录。