java全文检索技术_Java学习之——Solr

一、 Solr 介绍

1 全文检索

什么叫做全文检索呢？这要从我们生活中的数据说起。

我们生活中的数据总体分为两种：结构化数据和非结构化数据。

1）结构化数据：指具有固定格式或有限长度的数据，如数据库，元数据等。

2）非结构化数据：指不定长或无固定格式的数据，如邮件，word 文档等。

非结构化数据又一种叫法叫全文数据。

按照数据的分类，搜索也分为两种：

1）对结构化数据的搜索：如对数据库的搜索，用 SQL 语句。

2）对非结构化数据的搜索：如利用 windows 的搜索也可以搜索文件内容，Linux

下的 grep 命令，再如用 Google 和百度可以搜索大量内容数据。

2 Lucene

Lucene 是一个高效的，基于 Java 的全文检索库。

Lucene 是 apache 软件基金会 4 jakarta 项目组的一个子项目，是一个开放源代码的全

文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，

Lucene 的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现

全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene 是一套用于全文

检索和搜寻的开源程序库，由 Apache 软件基金会支持和提供。Lucene 提供了一个简单却

强大的应用程序接口，能够做全文索引和搜寻。在 Java 开发环境里 Lucene 是一个成熟的

免费开源工具。就其本身而言，Lucene 是当前以及最近几年最受欢迎的免费 Java 信息检

索程序库。

3 Solr 简介

Solr 是基于 Lucene 的面向企业搜索的 web 应用

Solr 是一个独立的企业级搜索应用服务器，它对外提供类似于 Web-service 的 API 接

口。用户可以通过 http 请求，向搜索引擎服务器提交一定格式的 XML 文件，生成索引；也

可以通过 Http Get 操作提出查找请求，并得到 xml/json 格式的返回结果。

Solr 是一个高性能，采用 Java5 开发，基于 Lucene 的全文搜索服务器。同时对其进行

了扩展，提供了比 Lucene 更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能

进行了优化，并且提供了一个完善的功能管理界面，是一款非常优秀的全文检索引擎。

文档通过 Http 利用 XML 加到一个搜索集合中。查询该集合也是通过 http 收到一个

XML/JSON 响应来实现。它的主要特性包括：高效、灵活的缓存功能，垂直搜索功能，高

亮显示搜索结果，通过索引复制来提高可用性，提供一套强大 Data Schema 来定义字段，

类型和设置文本分析，提供基于 Web 的管理界面等。

1. Solr是一个独立的企业级搜索引擎服务器. 主要功能:

> 可以将各