Solr的配置及从数据库建立索引

要建立自己的全文检索,一般都需要从数据库导入数据,在原来配置的基础上,增加导入的功能
1、D:\apache-tomcat-7.0.27\solr\conf\solrconfig.xml中增加
Xml代码  收藏代码
<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler"> 
    <lst name="defaults"> 
          <str name="config">data-config.xml</str> 
    </lst> 
</requestHandler> 

2、增加D:\apache-tomcat-7.0.27\solr\conf\data-config.xml,内容为数据库的连接信息
Xml代码  收藏代码
  <?xml version="1.0" encoding="UTF-8"?> 
<dataConfig> 
<dataSource type="JdbcDataSource" driver="oracle.jdbc.driver.OracleDriver" 
    url="jdbc:oracle:thin:@10.74.8.206:1521:orcl" 
    user="uname" 
    password="pwd"/> 
 
<document name="zpxx">          
    <entity name="zpxx" query="select * from vw_zp_fullindex" transformer="ClobTransformer">                   
                <field column="GANG_WEI_BH"      name="GANG_WEI_BH"      /> 
                <field column="GANG_WEI_MC"      name="GANG_WEI_MC"      /> 
                <field column="GANG_WEI_MS"      name="GANG_WEI_MS"       clob="true"/> 
                <field column="GONG_ZU_DD_ZW"    name="GONG_ZU_DD_ZW"    /> 
                <field column="QI_TA"            name="QI_TA"            /> 
                <field column="YUE_XIN"          name="YUE_XIN"          /> 
                <field column="ZHI_CHENG"        name="ZHI_CHENG"        /> 
                <field column="GANGWEILB"        name="GANGWEILB"        /> 
                <field column="COMPID"           name="COMPID"           /> 
                <field column="DAN_WEI_MC"       name="DAN_WEI_MC"       /> 
                <field column="DANWEIXZ"     name="DANWEIXZ"         /> 
                <field column="JING_YING_FW" name="JING_YING_FW"     /> 
                <field column="DAN_WEI_JJ"       name="DAN_WEI_JJ"        clob="true"/> 
                <field column="DAN_WEI_DZ"       name="DAN_WEI_DZ"       /> 
                <field column="HANGYELB"     name="HANGYELB"         /> 
    </entity> 
</document> 
</dataConfig> 

因为有Clob字段,所以需要加上ClobTransformer
3、D:\apache-tomcat-7.0.27\solr\conf\schema.xml文件中增加
Xml代码  收藏代码
<!--自定义Field开始 --> 
            <field name="GANG_WEI_BH"        type="string" indexed="true" stored="true" required="true"/> 
            <field name="GANG_WEI_MC"        type="text" indexed="true" stored="true" /> 
            <field name="GANG_WEI_MS"        type="text" indexed="true" stored="true" /> 
            <field name="GONG_ZU_DD_ZW"      type="text" indexed="true" stored="true" /> 
            <field name="QI_TA"              type="text" indexed="true" stored="true" /> 
            <field name="YUE_XIN"            type="text" indexed="true" stored="true" /> 
            <field name="ZHI_CHENG"          type="text" indexed="true" stored="true" /> 
            <field name="GANGWEILB"          type="text" indexed="true" stored="true" /> 
            <field name="COMPID"         type="string" indexed="true" stored="true" /> 
            <field name="DAN_WEI_MC"     type="text" indexed="true" stored="true" /> 
            <field name="DANWEIXZ"           type="text" indexed="true" stored="true" /> 
            <field name="JING_YING_FW"       type="text" indexed="true" stored="true" /> 
            <field name="DAN_WEI_JJ"     type="text" indexed="true" stored="true" /> 
            <field name="DAN_WEI_DZ"     type="text" indexed="true" stored="true" /> 
            <field name="HANGYELB"           type="text" indexed="true" stored="true" />   
<!--自定义Field结束 --> 
 
  <copyField source="DAN_WEI_JJ" dest="text"/><!--clob字段 --> 
  <copyField source="GANG_WEI_MS" dest="text"/> 

把原有文件中id字段的required="true"去掉,否则导入的时候,会验证id字段,其实自己在做的时候,如果其他字段没有的话,可以删除
3、还要把oracle的jdbc驱动放到D:\apache-tomcat-7.0.27\webapps\solr\WEB-INF\lib
4、http://localhost:8080/solr/dataimport?command=full-import即可以进行导入数据
5、查询则通过http://localhost:8080/solr/admin/进行查询,输入查询字符串(Query String)"DAN_WEI_JJ:计算机"即可以查看全文检索结果








#apt-get install mysql-server-5.0

#apt-get install mysql

2.添加Handler
    编辑/opt/solr-tomcat/solr/conf文件夹下的solrconfig.xml文件,在config元素中添加

[xhtml] view plaincopy
< requestHandler   name = "/dataimport"   class = "org.apache.solr.handler.dataimport.DataImportHandler" >    
< lst   name = "defaults" >    
< str   name = "config" > data-config.xml </ str >    
</ lst >    
</ requestHandler >    

3.  在此文件夹中新建一个data-config.xml文件,内容如下

[xhtml] view plaincopy
<dataConfig> 
  <dataSource type="JdbcDataSource"  
              driver="com.mysql.jdbc.Driver" 
              url="jdbc:mysql://127.0.0.1:3306/db_expert"  
              user="root"  
              password="root"/> 
  <document> 
    <entity name="expert"  
            query="select id,experName,researchfield,title,workunit,postaladdress,officephone,email,biography from expertinfo"> 
    </entity> 
  </document> 
</dataConfig> 

4.  修改schema.xml,找到<fieldType name="text",将分词器修改为中文分词器,这里用的是包装过的Paoding分词,这个东西好像已经不更新了,以后看看IKAnalyzer吧。

[xhtml] view plaincopy
<fieldType name="text" class="solr.TextField" positionIncrementGap="100"> 
      <analyzer type="index"> 
        <tokenizer class="net.paoding.analysis.analyzer.ChineseTokenizerFactory" mode="most-words"/> 
        <!-- in this example, we will only use synonyms at query time 
        <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/> 
        --> 
        <!-- Case insensitive stop word removal. 
          add enablePositionIncrements=true in both the index and query 
          analyzers to leave a 'gap' for more accurate phrase queries. 
        --> 
         <filter class="solr.StopFilterFactory" 
                ignoreCase="true" 
                words="stopwords.txt" 
                enablePositionIncrements="true" 
                /> 
         <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1"/> 
         <filter class="solr.LowerCaseFilterFactory"/>     
         <filter class="solr.SnowballPorterFilterFactory" language="English" protected="protwords.txt"/> 
         <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>     
     </analyzer>     
     <analyzer type="query">     
         <tokenizer class="net.paoding.analysis.analyzer.ChineseTokenizerFactory" mode="most-words"/>                     
        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>    
         <filter class="solr.StopFilterFactory" 
                ignoreCase="true" 
                words="stopwords.txt" 
                enablePositionIncrements="true" 
                /> 
         <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"/> 
         <filter class="solr.LowerCaseFilterFactory"/>     
         <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>   
         <filter class="solr.SnowballPorterFilterFactory" language="English" protected="protwords.txt"/> 
      </analyzer> 
    </fieldType> 

原来的schema.xml中没有的字段自己添加上。schema.xml默认是UTF-8编码。首先在<fields></fields>里添加要索引的域。

注意:数据库的表的主键的名字最好是id,以后才好办。

[xhtml] view plaincopy
<field name="id" type="int" indexed="true" stored="true" required="true" />  
<field name="experName"  type="text" indexed="true" stored="true"/> 
   <field name="researchfield"  type="text" indexed="true" stored="true"/> 
   <field name="title"  type="text" indexed="true" stored="true"/> 
   <field name="workunit"  type="text" indexed="true" stored="true"/> 
   <field name="postaladdress"  type="text" indexed="true" stored="true"/> 
   <field name="officephone"  type="text" indexed="true" stored="true"/> 
   <field name="email"  type="text" indexed="true" stored="true"/> 
   <field name="biography"  type="text" indexed="true" stored="true"/> 

然后在<solrQueryParser defaultOperator="OR"/>下面添加下面行。

[xhtml] view plaincopy
<copyField source="experName" dest="text" /> 
  <copyField source="researchfield" dest="text" /> 
  <copyField source="title" dest="text" /> 
  <copyField source="workunit" dest="text" /> 
  <copyField source="postaladdress" dest="text" /> 
  <copyField source="officephone" dest="text" /> 
  <copyField source="email" dest="text" /> 
  <copyField source="biography" dest="text" /> 

5.  包装Paoding的分词器

[java] view plaincopy
   1. package  net.paoding.analysis.analyzer;   
   2.    
   3. import  java.io.Reader;   
   4. import  java.util.Map;   
   5.    
   6. import  net.paoding.analysis.analyzer.impl.MaxWordLengthTokenCollector;   
   7. import  net.paoding.analysis.analyzer.impl.MostWordsTokenCollector;   
   8. import  net.paoding.analysis.knife.PaodingMaker;   
   9.    
  10. import  org.apache.lucene.analysis.Tokenizer;   
  11. import  org.apache.solr.analysis.BaseTokenizerFactory;   
  12.    
  13. /**  
  14.  * Created by IntelliJ IDEA.   
  15.  * User: ronghao   
  16.  * Date: 2007-11-3   
  17.  * Time: 14:40:59 中文切词 对庖丁切词的封装  
  18.  */    
  19. public   class  ChineseTokenizerFactory  extends  BaseTokenizerFactory {   
  20.     /**  
  21.      * 最多切分 默认模式  
  22.      */    
  23.     public   static   final  String MOST_WORDS_MODE =  "most-words" ;   
  24.     /**  
  25.      * 按最大切分  
  26.      */    
  27.     public   static   final  String MAX_WORD_LENGTH_MODE =  "max-word-length" ;   
  28.    
  29.     private  String mode =  null ;   
  30.    
  31.     public   void  setMode(String mode) {   
  32.         if  (mode ==  null  || MOST_WORDS_MODE.equalsIgnoreCase(mode) ||  "default" .equalsIgnoreCase(mode)) {   
  33.             this .mode = MOST_WORDS_MODE;   
  34.         } else   if  (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) {   
  35.             this .mode = MAX_WORD_LENGTH_MODE;   
  36.         } else  {   
  37.             throw   new  IllegalArgumentException( "不合法的分析器Mode参数设置:"  + mode);   
  38.         }   
  39.     }   
  40.    
  41.     @Override    
  42.     public   void  init(Map<String, String> args) {   
  43.         super .init(args);   
  44.         setMode(args.get("mode" ));   
  45.     }   
  46.    
  47.     public  Tokenizer create(Reader input) {   
  48.         return   new  PaodingTokenizer2(input, PaodingMaker.make(), createTokenCollector());   
  49.     }   
  50.    
  51.     private  TokenCollector createTokenCollector() {   
  52.         if  (MOST_WORDS_MODE.equals(mode))   
  53.             return   new  MostWordsTokenCollector();   
  54.         if  (MAX_WORD_LENGTH_MODE.equals(mode))   
  55.             return   new  MaxWordLengthTokenCollector();   
  56.         throw   new  Error( "never happened" );   
  57.     }   
  58. }   
Java代码  收藏代码 
   1. package net.paoding.analysis.analyzer;   
   2.    
   3. import java.io.Reader;   
   4. import java.util.Map;   
   5.    
   6. import net.paoding.analysis.analyzer.impl.MaxWordLengthTokenCollector;   
   7. import net.paoding.analysis.analyzer.impl.MostWordsTokenCollector;   
   8. import net.paoding.analysis.knife.PaodingMaker;   
   9.    
  10. import org.apache.lucene.analysis.Tokenizer;   
  11. import org.apache.solr.analysis.BaseTokenizerFactory;   
  12.    
  13. /** 
  14.  * Created by IntelliJ IDEA.  
  15.  * User: ronghao  
  16.  * Date: 2007-11-3  
  17.  * Time: 14:40:59 中文切词 对庖丁切词的封装 
  18.  */   
  19. public class ChineseTokenizerFactory extends BaseTokenizerFactory {   
  20.     /** 
  21.      * 最多切分 默认模式 
  22.      */   
  23.     public static final String MOST_WORDS_MODE = "most-words";   
  24.     /** 
  25.      * 按最大切分 
  26.      */   
  27.     public static final String MAX_WORD_LENGTH_MODE = "max-word-length";   
  28.    
  29.     private String mode = null;   
  30.    
  31.     public void setMode(String mode) {   
  32.         if (mode == null || MOST_WORDS_MODE.equalsIgnoreCase(mode) || "default".equalsIgnoreCase(mode)) {   
  33.             this.mode = MOST_WORDS_MODE;   
  34.         } else if (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) {   
  35.             this.mode = MAX_WORD_LENGTH_MODE;   
  36.         } else {   
  37.             throw new IllegalArgumentException("不合法的分析器Mode参数设置:" + mode);   
  38.         }   
  39.     }   
  40.    
  41.     @Override   
  42.     public void init(Map<String, String> args) {   
  43.         super.init(args);   
  44.         setMode(args.get("mode"));   
  45.     }   
  46.    
  47.     public Tokenizer create(Reader input) {   
  48.         return new PaodingTokenizer(input, PaodingMaker.make(), this.createTokenCollector());   
  49.     }   
  50.    
  51.     private TokenCollector createTokenCollector() {   
  52.         if (MOST_WORDS_MODE.equals(mode))   
  53.             return new MostWordsTokenCollector();   
  54.         if (MAX_WORD_LENGTH_MODE.equals(mode))   
  55.             return new MaxWordLengthTokenCollector();   
  56.         throw new Error("never happened");   
  57.     }   
  58. }   



这两个修改的类就放在/opt/tomcat/webapps/solr中,在压缩包的WEB-INF文件夹中新建classes文件夹,将这两个类连同包层次复制进去就行。

6.设置PAODING_DIC_HOME的环境变量,指向Paoding词典文件的位置。(比如/opt/dic)

#vim /etc/profile

添加下面的环境变量

JAVA_HOME=/usr/lib/jvm/java-6-openjdk
CLASSPATH=.:/usr/lib/jvm/java-6-openjdk/lib
ANT_HOME=/usr/share/ant
PATH="$JAVA_HOME/lib:$ANT_HOME/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games"
PAODING_DIC_HOME=/opt/dic
export JAVA_HOME
export CLASSPATH
export ANT_HOME
export PATH
export PAODING_DIC_HOME

7. 将Paoding和数据库驱动放到/opt/tomcat/webapps/solr/WEB-INF/lib中。

进入浏览器,运行
    http://localhost:8983/solr/dataimport?command=full-import
    导入成功后,运行
    http://localhost:8983/solr/admin/
    在搜索框中输入搜索内容进行查询

现在就完成了数据库的索引了。



你可能感兴趣的:(Solr)