Solr入门

【Solr是什么】

• 开源搜索平台，用于构建搜索应用程序
• 企业级的，快速的和高度可扩展的
• Solr构建的应用程序非常复杂，可提供高性能
• 一种非关系数据存储和处理技术
• Solr是一个可扩展的，可部署，搜索/存储引擎，优化搜索大量以文本为中心的数据
•  它建立在Lucene(全文搜索引擎)之上

【特点】

• Restful APIs − 要与Solr通信，并非一定需要有Java编程技能
• 全文搜索
• 企业准备
• 灵活和可扩展
• NoSQL数据库
• 管理界面 - Solr提供了一个易于使用，用户友好，功能强大的用户界面
• 高度可扩展，在使用Solr与Hadoop时，我们可以通过添加副本来扩展其容量
• 以文本为中心并按相关性排序

【Solr架构】

• 请求处理程序 - 发送到Apache Solr的请求由这些请求处理程序处理。
• 搜索组件 - 搜索组件是Apache Solr中提供的搜索类型(功能)。
• 查询解析器 − Apache Solr查询解析器解析传递给Solr的查询，并验证查询的语法是否有错误。解析查询后，将它们转换为Lucene理解的格式。
• 响应写入器 - Apache Solr中的响应写入器是为用户查询生成格式化输出的组件。 Solr支持XML，JSON，CSV等响应格式。对每种类型的响应都有不同的响应写入。
• 分析器/分词器 - Lucene以令牌的形式识别数据。 
• 更新请求处理器 - 每当向Apache Solr发送更新请求时，请求都通过一组称为更新请求处理器的插件(签名，日志记录，索引)运行。这个处理器负责修改，例如删除字段，添加字段等。

【sorl与Elasticsearch的比较】

1、sorl
    优点：

•         1、Solr有一个更大、更成熟的用户、开发和贡献者社区。
•         2、支持添加多种格式的索引，如：HTML、PDF、微软 Office 系列软件格式以及 JSON、XML、CSV 等纯文本格式。
•         3、Solr比较成熟、稳定。
•         4、不考虑建索引的同时进行搜索，速度更快。

    缺点

•         建立索引时，搜索效率下降，实时索引搜索效率不高。

2、ElasticSearch
    优点

•         1、Elasticsearch是分布式的。不需要其他组件，分发是实时的，被叫做”Push replication”。
•         2、Elasticsearch 完全支持 Apache Lucene 的接近实时的搜索。
•         3、处理多租户（multitenancy）不需要特殊配置，而Solr则需要更多的高级设置。
•         4、Elasticsearch 采用 Gateway 的概念，使得完备份更加简单。
•         5、各节点组成对等的网络结构，某些节点出现故障时会自动分配其他节点代替其进行工作。

    缺点

•         1、还不够自动，不适合当前新的Index Warmup API

3、总结

•     1、当单纯的对已有数据进行搜索时，Solr更快。
•     2、当实时建立索引时, Solr会产生io阻塞，查询性能较差, Elasticsearch具有明显的优势。
•     3、随着数据量的增加，Solr的搜索效率会变得更低，而Elasticsearch却没有明显的变化。
•     4、Solr的架构不适合实时搜索的应用。
•     5、Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式
•     6、Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch
•     7、Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用

【搜索引擎基础】

1、搜索引擎组件

Web爬虫 - Web爬虫也称为蜘蛛或机器人。 它是一个收集网络信息的软件组件。
数据库 - Web上的所有信息都存储在数据库中。它们包含大量的Web资源。
搜索接口 - 此组件是用户和数据库之间的接口。它帮助用户搜索数据库。

2、如何工作的

• 1    获取原始内容    任何搜索应用程序的第一步是收集要进行搜索的目标内容。
• 2    构建文档    从原始内容构建文档，让搜索应用程序可以很容易地理解和解释。
• 3    分析文档    在索引开始之前，将对文档进行分析。
• 4    索引文档    当文档被构建和分析后，下一步是对它们建立索引，以便可以基于特定键而不是文档的全部内容来检索该文档。索引类似于在书开始页或末尾处的目录索引，其中常见单词以其页码显示，使得这些单词可以快速跟踪，而不是搜索整本书。
• 5    用于搜索的用户接口    当索引数据库就绪，应用程序可以执行搜索操作。 为了帮助用户进行搜索，应用必须提供用户接口，用户可以在其中输入文本并启动搜索过程
• 6    构建查询    当用户做出搜索文本的请求，应用程序应该使用该文本来准备查询对象，然后可以使用该查询对象来查询索引数据库以获得相关的细节。
• 7    搜索查询    使用查询对象，检查索引数据库以获取相关详细信息和内容文档。
• 8    渲染结果    当收到所需的结果，应用程序应决定如何使用其用户界面向用户显示结果。

3、总体视图