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：

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：

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：

  "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 Docs，Max Doc，Deleted 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

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。

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：

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：

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

删除指定数据

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

多条件删除

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

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

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：

"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。

"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

java -jar post.jar *.xml

现在就可以匹配了

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