全文检索引擎Solr系列——入门篇

Solr采用Lucene搜索库为核心,提供全文索引和搜索开源企业平台,提供REST的HTTP/XML和JSON的API,如果你是Solr新手,那么就和我一起来入门吧!本教程以solr4.8作为测试环境,jdk版本需要1.7及以上版本。

准备

本文假设你对Java有初中级以上水平,因此不再介绍Java相关环境的配置。下载解压缩solr,在example目录有start.jar文件,启动:

1
java -jar start.jar

浏览器访问:http://localhost:8983/solr/,你看到的就是solr的管理界面

索引数据

服务启动后,目前你看到的界面没有任何数据,你可以通过POSTing命令向Solr中添加(更新)文档,删除文档,在exampledocs目录包含一些示例文件,运行命令:

1
java -jar post.jar solr.xml monitor.xml

上面的命令是向solr添加了两份文档,打开这两个文件看看里面是什么内容,solr.xml里面的内容是:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
   "id" >SOLR1000
   "name" >Solr, the Enterprise Search Server
   "manu" >Apache Software Foundation
   "cat" >software
   "cat" >search
   "features" >Advanced Full-Text Search Capabilities using Lucene
   "features" >Optimized for High Volume Web Traffic
   "features" >Standards Based Open Interfaces - XML and HTTP
   "features" >Comprehensive HTML Administration Interfaces
   "features" >Scalability - Efficient Replication to other Solr Search Servers
   "features" >Flexible and Adaptable with XML configuration and Schema
   "features" >Good unicode support: héllo (hello with an accent over the e)
   "price" > 0
   "popularity" > 10
   "inStock" > true
   "incubationdate_dt" > 2006 - 01 -17T00: 00 : 00 .000Z

表示向索引中添加一个文档,文档就是用来搜索的数据源,现在就可以通过管理界面搜索关键字”solr”,具体步骤是:

点击页面下的Execute Query按钮后右侧就会显示查询结果,这个结果就是刚才导入进去的solr.xml的json格式的展示结果。solr支持丰富的查询语法,比如:现在想搜索字段name里面的关键字”Search”就可以用语法name:search,当然如果你搜索name:xxx就没有返回结果了,因为文档中没有这样的内容。

数据导入

导入数据到Solr的方式也是多种多样的:

  • 可以使用DIH(DataImportHandler)从数据库导入数据
  • 支持CSV文件导入,因此Excel数据也能轻松导入
  • 支持JSON格式文档
  • 二进制文档比如:Word、PDF
  • 还能以编程的方式来自定义导入

更新数据

如果同一份文档solr.xml重复导入会出现什么情况呢?实际上solr会根据文档的字段id来唯一标识文档,如果导入的文档的id已经存在solr中,那么这份文档就被最新导入的同id的文档自动替换。你可以自己尝试试验一下,观察替换前后管理界面的几个参数:Num DocsMax DocDeleted Docs的变化。

  • numDocs:当前系统中的文档数量,它有可能大于xml文件个数,因为一个xml文件可能有多个标签。
  • maxDoc:maxDoc有可能比numDocs的值要大,比如重复post同一份文件后,maxDoc值就增大了。
  • deletedDocs:重复post的文件会替换掉老的文档,同时deltedDocs的值也会加1,不过这只是逻辑上的删除,并没有真正从索引中移除掉

删除数据

通过id删除指定的文档,或者通过一个查询来删除匹配的文档

1
2
java -Ddata=args -jar post.jar "SOLR1000"
java -Ddata=args -jar post.jar "name:DDR"

此时solr.xml文档从索引中删除了,再次搜”solr”时不再返回结果。当然solr也有数据库中的事务,执行删除命令的时候事务自动提交了,文档就会立即从索引中删除。你也可以把commit设置为false,手动提交事务。

1
java -Ddata=args  -Dcommit= false -jar post.jar "3007WFP"

执行完上面的命令时文档并没有真正删除,还是可以继续搜索相关结果,最后可以通过命令:

1
java -jar post.jar -

提交事务,文档就彻底删除了。现在把刚刚删除的文件重新导入Solr中来,继续我们的学习。

删除所有数据:

1
http: //localhost:8983/solr/collection1/update?stream.body=*:*&commit=true

删除指定数据

1
http: //localhost:8983/solr/collection1/update?stream.body=title:abc&commit=true

多条件删除

1
http: //localhost:8983/solr/collection1/update?stream.body=title:abc AND name:zhang&commit=true

查询数据

查询数据都是通过HTTP的GET请求获取的,搜索关键字用参数q指定,另外还可以指定很多可选的参数来控制信息的返回,例如:用fl指定返回的字段,比如f1=name,那么返回的数据就只包括name字段的内容

1
http: //localhost:8983/solr/collection1/select?q=solr&fl=name&wt=json&indent=true
  • 排序

    Solr提供排序的功能,通过参数sort来指定,它支持正序、倒序,或者多个字段排序

    • q=video&sort=price desc
    • q=video&sort=price asc
    • q=video&sort=inStock asc, price desc
      默认条件下,Solr根据socre 倒序排列,socre是一条搜索记录根据相关度计算出来的一个分数。
  • 高亮

    网页搜索中,为了突出搜索结果,可能会对匹配的关键字高亮出来,Solr提供了很好的支持,只要指定参数:

    • hl=true #开启高亮功能
    • hl.fl=name #指定需要高亮的字段
1
http: //localhost:8983/solr/collection1/select?q=Search&wt=json&indent=true&hl=true&hl.fl=features
    返回的内容中包含:
1
2
3
4
5
"highlighting" :{
        "SOLR1000" :{
            "features" :[ "Advanced Full-Text Search Capabilities using Lucene" ]
        }
}

文本分析

文本字段通过把文本分割成单词以及运用各种转换方法(如:小写转换、复数移除、词干提取)后被索引,schema.xml文件中定义了字段在索引中,这些字段将作用于其中.
默认情况下搜索”power-shot”是不能匹配”powershot”的,通过修改schema.xml文件(solr/example/solr/collection1/conf目录),把features和text字段替换成”text_en_splitting”类型,就能索引到了。

1
2
3
"features" type= "text_en_splitting" indexed= "true" stored= "true" multiValued= "true" />
...
"text" type= "text_en_splitting" indexed= "true" stored= "false" multiValued= "true" />

修改完后重启solr,然后重新导入文档

1
java -jar post.jar *.xml

现在就可以匹配了

  • power-shot—>Powershot
  • features:recharing—>Rechargeable
  • 1 gigabyte –> 1G

你可能感兴趣的:(solr)