转 用solr搭建中文搜索应用(使用了MMAnalyzer, 指导实践不错的文章)

http://ayueer.spaces.live.com/blog/cns!9E99E1260983291B!1338.entry

用solr搭建中文搜索应用

因为工作的需要，要搭建一个小型的搜索应用，数据源已经存在了mysql里面，之前的版本是用mysql like做的，这次升级要增强扩展性和性能，添加一些功能上去。

可以选用的方案有几个，

1，在原有的mysql like的基础上扩展，利用mysql的全文查找功能，这方面没有做过，考虑到性能和其它因素，首先排除掉了。

2，套用在公司自己的search机制上，存在的问题是目前的search页面和检索耦合太严重，要套在这个框架中，要定制一些自己的rank和展现的改动比较麻烦，代码看起来有些恐怖。

3，最后决定使用lucene + solr, lucene提供了比较强大的索引检索接口，solr将其封装的很简单，方便各种语言的扩展，不用自己实现基于lucene的api的search server, 提交doc建索引和查询都通过http请求，可以返回xml/json格式的结果，非常的方便。

搭建服务：

1，下载lucene和solr，以及tomcat, 解压将solr下dist中solr.jar放到tomcat/webapps下面命名为solr.war, 拷贝solr目录下example/solr到当前目录或配置tomcat告诉其solr的目录，启动tomcat访问http://localhost:port/solr/admin能够看到solr已经运行了。

2，将使用的中文分词包，我这里选用jesoft的je-analysis.jar放到solr/lib, 配置solr/conf/schema.xml里面加上

<fieldType name="text_chinese" class="solr.TextField">
          <analyzer class="jeasy.analysis.MMAnalyzer" />
</fieldType>

3，修改solr/conf/schema.xml中Fields，定制你要检索的域。

4，ibm developerworks上一个solr转php文章中的代码，将http请求和构建doc的xml封装起来用php调用，你可以参考着做其它程序的接口。Apache Lucene quick-start guide 

5，这样就搭出了最基础的检索框架，在此之上能做什么要靠你的想象了:)

参考文章:

1, Search smarter with Apache Solr, Part 1- Essential features and the Solr schema

2, Search smarter with Apache Solr, Part 2- Solr for the enterprise

3, Apache Lucene quick-start guide

4, 使用solr搭建你的全文检索-我的知识库

5, http://jesoft.cn je-analysis MMAnalyzer的中文分词。

6, Lucene中文分词-庖丁解牛Paoding Analysis，另一个很赞的分词，开源的哦，相当不错。

7, solr 的主页 http://lucene.apache.org/solr/， 有一个不错的wiki，关于tomcat配置部署和高级faceted search和cache一些高级的功能都可以在这里看到。

23:35  | 写入日志

评论

请稍候...

很抱歉，您输入的评论太长。请缩短您的评论。

您没有输入任何内容，请重试。

很抱歉，我们当前无法添加您的评论。请稍后重试。

若要添加评论，需要您的家长授予您相应权限。 请求权限

您的家长禁用了评论功能。

很抱歉，我们当前无法删除您的评论。请稍后重试。

您已超过了一天之内允许提供的评论数上限。请在 24 小时后重试。

因为我们的系统表明您可能在向其他用户提供垃圾评论，您的帐户已禁用了评论功能。如果您认为我们错误地禁用了您的帐户，请联系 Windows Live 支持部门。

完成下面的安全检查，您提供评论的过程才能完成。
您在安全检查中键入的字符必须与图片或音频中的字符一致。

若要添加评论，请使用您的 Windows Live ID 登录（如果您使用过 Hotmail、Messenger 或 Xbox LIVE，您就拥有 Windows Live ID）。登录

还没有 Windows Live ID 吗？请注册

引用通告

此日志的引用通告 URL 是：

http://ayueer.spaces.live.com/blog/cns!9E99E1260983291B!1338.trak

引用此项的网络日志

• 无