solr+IKAnalyzer部署

solr：选用最新solr版本4.8.1。

中文分词工具：备选有庖丁分词和IKAnalyzer。IKAnalyzer在分词效率上比庖丁分词要差，但是在分词模式（智能分词、细粒度分词）、分词个数、中英文数字汉子分词、词库扩展性和对lucene的支持都比庖丁分词要强。庖丁分词最新版本3.0只能支持lucene3.6，IKAnalyzer_2012FF_hf1支持lucene4.8.1。最终使用IKAnalyzer作为中文分词工具。

Servlet容器：选择tomcat7，jdk1.7.0。

部署步骤：

1.solr部署。

        将solr-4.8.1\dist\solr-4.8.1.war放到tomcat7的webapps目录下，并改名为solr.war。也可以将solr.war改名为solr.zip，解压后放到webapps下。

2.solr日志配置。

      首先添加日志需要的jar包，将solr-4.8.1\example\lib\ext下的所有jar包复制到tomcat\webapps\solr\WEB-INF的lib目录中。

      然后在webapps\solr\WEB-INF下新建classes文件夹，将solr-4.8.1\example\resources\log4j.properties放入classes目录下。

      修改log4j.properties 文件日志：log4j.appender.file.File=../webapps/solr/solr.log，使日志文件存放于webapps\solr目录下。

注：为solr添加日志和修改日志的配置主要为了能够将与solr相关的信息放到一起，便于以后查看和维护。

3.solr索引配置。

       在webapps\solr下新建solr_home文件夹，将solr-4.8.1\example\solr文件夹的内容放入。

       在webapps\solr\WEB-INF\web.xml中指定solr索引文件的位置，如下配置：

 

<env-entry>
       <env-entry-name>solr/home</env-entry-name>
       <env-entry-value>..\webapps\solr\solr_home</env-entry-value>
	   <env-entry-type>java.lang.String</env-entry-type>
    </env-entry>

注：tomcat通过bin\startup.bat或startup.sh启动，当前目录就是tomcat\bin，项目配置文件的目录也是相对于当前目录，因此如果需要指定文件目录，就是用“..\”返回到tomcat根目录。

 

4.中文分词配置。

        将IKAnalyzer分词所需要的jar包IKAnalyzer2012FF_u1.jar放入webapps\solr\WEB-INF\lib下。

        IKAnalyzer配置文件IKAnalyzer.cfg.xml和stopword.dic放入webapps\solr\WEB-INF\classes目录下。

        在webapps\solr\solr_home\collection1\conf\schema.xml中添加IKAnalyzer配置，如下：

       

<fieldType name="text_ik" class="solr.TextField">
		<analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/>	
	</fieldType>
	<field name="index_text" type="text_ik" indexed="true" stored="true" multiValued="false" />

 注：field标签的name属性的值不能与已有field标签name属性值相同，否则tomcat启动会报错。

       按照如上IKAnalyzer配置，IKAnalyzer分词是细粒度分词，但是一般为了减小索引文件的大小，在建立索引时才会使用智能分词，在查询索引时使用细粒度分词，所以需要分别为建立索引和查询索引指定不同的分词模式，详见如下：

<fieldType name="text_ik" class="solr.TextField">
		<analyzer type="index" class="org.wltea.analyzer.lucene.IKAnalyzer" userSmart="true"/>
		<analyzer type="query" class="org.wltea.analyzer.lucene.IKAnalyzer" userSmart="false"/>		
	</fieldType>

       但是在IKAnalyzer_2012FF_hf1版本的IKAnalyzer类中没有读取配置中的useSmart属性，所以在建立索引和查询索引中都使用的是细粒度分词。网上也有了对此问题的解决方案，但是基本上都是通过修改源代码方式解决。

       考虑到以后代码的更新和维护等，没有采用修改IKAnalyzer源代码。而是新建了一个JAVA项目，并创建了两个类IKAnalyzerWithSmart（默认智能分词）和IKAnalyzerWithoutSmart（默认细粒度分词），源代码和IKAnalyzer代码相同，只是分别将userSmart设置为true和false。最后将项目导出为jar包，见附件：IKAnalyzer2012FF_u1_smart.jar。

       将IKAnalyzer2012FF_u1_smart.jar放入webapps\solr\WEB-INF\lib目录下，并修改schema.xml文件内容如下，这样就能够在创建索引时使用智能分词，在查询索引时使用细粒度分词。

<fieldType name="text_ik" class="solr.TextField">
		<analyzer type="index" class="org.wltea.analyzer.lucene.IKAnalyzerWithSmart"/>
		<analyzer type="query" class="org.wltea.analyzer.lucene.IKAnalyzerWithoutSmart"/>		
	</fieldType>

5.总结。solr、solr日志、索引文件和分词都已经放到了一个目录下，项目迁移也不用修改相关配置，直接就可以启动。已将配置好的solr4.8.1见附件“solr4.8.1-已配置.rar”，解压后放到tomcat7\webapps目录下，启动tomcat7即可。IKAnalyzer分词工具见附件IK Analyzer 2012FF_hf1.rar。