你为什么需要搜索引擎?单纯数据库不够用?如果你只是创建小网站,数据库就够了。但当你创建中性或大型应用的时候,搜索引擎是更明智的选择。当然如是一说,小网站也可以利用Solr,获得高相关性的搜索结果。
想象一下你在写一个电子商务网站的搜索查询程序。最直接的想法就是如下的数据库查询语句:
1
2
3
|
SELECT
*
FROM
PRODUCTS
WHERE
LOWER
(title)
like
LOWER
(
'%$phrase%'
)
OR
LOWER
(description)
like
LOWER
(
'%$phrase%'
);
|
查询标题或描述中的短语时,它工作正常。但是现实事物很复杂,比如说Apple iPhone 4G black 16GB(苹果4G网络iPhone黑色16GB)。搜索“iPhone 16G”的时候,就没结果。你可以用%替换空格应付这种情况。
1
|
$phrase
=
str_replace
(
' '
,
'%'
,
$phrase
);
|
那么查询“iPhone 16GB 4G”的时候呢?显然词序改变了,它又无法正常工作。我猜你又会添加一个字段保存词序。那么写错词怎么办?同义词怎么办?为如此的搜索系统想一个好的解决方案很有挑战性。
设计一个精妙的算法不是解决这类问题的关键. 文本的搜素是需要消耗资源的. 将太多的压力放在数据库端永远不是一个好办法. 原因是数据库不能很方便的扩展. 你不能像web server 或者 Memcached一样,简单的增加一个实例.扩展数据库需要一些准备, 代码的修改, 配置, down机维护时间, 总之成本是非常昂贵的. 好消息是Solr就是专门解决这类问题的.
Solr是一个基于Apache Lucene的企业级搜索平台. 快,稳定, 有很好的文档当然扩展起来也很方便. 由于Solr是有个强大的解决方案, 他的所有特性就不在这篇文章里面一一列举了. 这家伙上收起来也是相当easy哦.
首先从官方网站下载最新的版本。Solr是一个由Java语言编写的应用程序,你需要Java Runtime环境才可以运行。
1
2
|
$
cd
solr-4.1.0
/example/
$ java -jar start.jar
|
1
|
2013-03-09 18:47:41.177:INFO:oejs.AbstractConnector:Started SocketConnector@0.0.0.0:8983
|
Solr有一个web界面,工作在8983端口下,打开浏览器访问http://localhost:8983/solr/.
在左手边的导航区你会找到“collection1″。在Solr中,Collections类似于数据库的表,你可以查询数据。点击一个collection,选择她的子菜单 “query”。
第一个选项叫 “Request-Handler (qt)”,拥有默认值 “/select”。Request handlers是一组预定义查询. 如果你查看Solr config文件,你就会看到是这样的:
1
|
$ vim solr-4.1.0
/example/solr/collection1/conf/solrconfig
.xml
|
1
2
3
4
5
6
7
|
<
requestHandler
name
=
"/select"
class
=
"solr.SearchHandler"
>
<
lst
name
=
"defaults"
>
<
str
name
=
"echoParams"
>explicit</
str
>
<
int
name
=
"rows"
>10</
int
>
<
str
name
=
"df"
>text</
str
>
</
lst
>
</
requestHandler
>
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
<?
xml
version
=
"1.0"
encoding
=
"UTF-8"
?>
<
response
>
<
lst
name
=
"responseHeader"
>
<
int
name
=
"status"
>0</
int
>
<
int
name
=
"QTime"
>1</
int
>
<
lst
name
=
"params"
>
<
str
name
=
"indent"
>true</
str
>
<
str
name
=
"q"
>*:*</
str
>
<
str
name
=
"wt"
>xml</
str
>
</
lst
>
</
lst
>
<
result
name
=
"response"
numFound
=
"0"
start
=
"0"
/>
</
response
>
|
1
2
3
4
5
6
7
8
|
$
cd
solr-4.1.0
/example/exampledocs/
$ java -jar post.jar monitor.xml
SimplePostTool version 1.5
Posting files to base url http:
//localhost
:8983
/solr/update
using content-
type
application
/xml
..
POSTing
file
monitor.xml
1 files indexed.
COMMITting Solr index changes to http:
//localhost
:8983
/solr/update
..
|
现在你可以返回查询界面,这次就会有一个文档返回。
Collection的数据结构是在schema文件中定义的。
1
|
$ vim solr-4.1.0
/example/solr/collection1/conf/schema
.xml
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
$ grep text solr-4.1.0/example/solr/collection1/conf/schema.xml | grep copy
<
copyField
source
=
"cat"
dest
=
"text"
/>
<
copyField
source
=
"name"
dest
=
"text"
/>
<
copyField
source
=
"manu"
dest
=
"text"
/>
<
copyField
source
=
"features"
dest
=
"text"
/>
<
copyField
source
=
"includes"
dest
=
"text"
/>
<
copyField
source
=
"title"
dest
=
"text"
/>
<
copyField
source
=
"author"
dest
=
"text"
/>
<
copyField
source
=
"description"
dest
=
"text"
/>
<
copyField
source
=
"keywords"
dest
=
"text"
/>
<
copyField
source
=
"content"
dest
=
"text"
/>
<
copyField
source
=
"content_type"
dest
=
"text"
/>
<
copyField
source
=
"resourcename"
dest
=
"text"
/>
<
copyField
source
=
"url"
dest
=
"text"
/>
|
如果你使用的是关系数据库,你不希望有重复的数据。Solr不是一个数据库,多数字段也被处理成文本字段,默认request handler就是这样。
从PHP访问Solr需要一个客户端。我建议从PECL下载一个。它快速,API清晰,文档优良。不过要注意,这个扩展现在版本1.0.2,不支持Solr 4.x。Solr 3.x和4.x的协议有微小不同。不过别担心,我已经做了修改,你可以从https://github.com/lukaszkujawa/php-pecl-solr下载兼容版本。我已经用了一段时间,是可靠的。它和官方的有点差别在SolrClient构造函数中多一个Solr版本参数。这个补丁将会发布在官方版本中,你不用担心此后的兼容性。
1
2
3
4
5
6
7
8
|
$ git clone https:
//github
.com
/lukaszkujawa/php-pecl-solr
.git
$
cd
php-pecl-solr/
$ phpize
$
whereis
php-config
php-config:
/usr/bin/php-config
/usr/bin/X11/php-config
$ .
/configure
--with-php-config=
/usr/bin/php-config
$
make
$
make
install
|
添加到你的php.ini
1
|
extension=solr.so
|
重启Web服务器
1
|
$
/etc/init
.d
/apache2
restart
|
现在就可以写php添加内容到索引中了。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
<?php
$options
=
array
(
'hostname'
=>
'127.0.0.1'
,
);
$client
=
new
SolrClient(
$options
,
"4.0"
);
// 参数4.0针对Solr4.x,其他版本时忽略
$doc
=
new
SolrInputDocument();
$doc
->addField(
'id'
, 100);
$doc
->addField(
'title'
,
'Hello Wolrd'
);
$doc
->addField(
'description'
,
'Example Document'
);
$doc
->addField(
'cat'
,
'Foo'
);
$doc
->addField(
'cat'
,
'Bar'
);
$response
=
$client
->addDocument(
$doc
);
$client
->commit();
/* ------------------------------- */
$query
=
new
SolrQuery();
$query
->setQuery(
'hello'
);
$query
->addField(
'id'
)
->addField(
'title'
)
->addField(
'description'
)
->addField(
'cat'
);
$queryResponse
=
$client
->query(
$query
);
$response
=
$queryResponse
->getResponse();
print_r(
$response
->response->docs );
|
如果你添加的文档不止一条,她也可以处理得很好,而不需要频繁的commit。
知道Solr如何工作是很有价值的,你可以在很多项目中使用。她有个很棒的功能可以让你一次请求就可以拉取所有需要的数据。当然,你掌握她需要耗费一些时间,但这值得你付出。Solr拥有一个活跃的社区和完整的文档资源,如果你还担心在项目中使用,请翻阅Solr 3 企业搜索服务器,她不仅仅是让你快速搭建起搜索服务,还是你数据挖掘的基础。