【转载】solr初体验

【1】http://cxshun.iteye.com/blog/1039445

由于工作原因，这段时间接触到solr，一个基于lucene的企业级搜索引擎。不怎么了解它的童鞋可以去GOOGLE一下。

下面开始正题：

1）要开始solr的学习，首先当然是要下载它啦（这是一句废话），可以到http://www.apache.org/dyn/closer.cgi/lucene/solr/这里去下载，最新的是1.4.1。下完后当然要解压啦（这也是废话）。我们看到它的结构是这样的。

 相信搞JAVA的同志们应该都大概了解对应的文件夹的意思啦，在dist里面是它的一些JAR包，当中包含了一个war包，这个是我们做例子时用到的项目。直接把它丢到tomcat的webapps里面去。

example目录里面有一些solr的索引数据，它自带了一个jetty方便运行，可以直接运行java -jar start.jar就可以运行jetty，但jetty的默认端口是8983，这个是跟tomcat不同的地方，要注意啦。

2）搞定了这些之后，那么我们应该继续来试运行一下这个东西啦。solr最重要的东西就是solr home，这个东西指定了solr建立的索引文件的存放位置。不知道是什么东西，可以先不用管它，一步步来也许就会明白了。

进到tomcat文件夹confCatalinalocalhost这个文件夹内，建立一个solr.xml（其实名字是随便的，这里起的名字跟以后访问的项目名字一致，不过为了好找，还是跟部署的项目名一样吧），这里面的内容呢，其实很简单，就和下面类似：

<Context docBase="D:/server/apache-tomcat-6.0.32/webapps/apache-solr-1.4.1.war" reloadable="true">
    <Environment name="solr/home" type="java.lang.String" value="E:/framework/libPack/apache-solr-1.4.1/example/solr" override="true" />
</Context>

  这个Context相信大家都知道罗，它是指定了war包的位置，当启动tomcat后它会自动被部署到webapps目录下，这也是eclipse所集成tomcat用的部署方式。而reloadable="true"则表明可以重新加载，即当这个部署内容改变时，它会自动进行加载。

下面的solr/home是重点啦，type是固定的，先不管，value指定的就是它用的索引目录。override当然就是覆盖啦，如果存在则覆盖。

这个solr/home其实在solr的下载包中已经带有一个，我们可以找到solr目录下的example/solr这个目录，下面就是我们所说的solr/home，其实当中最重要的还是config目录下的solrconfig.xml，这个是solr的主要配置文件，可以在里面找到<dataDir>${solr.data.dir:./solr/data}</dataDir>这样一句，它指定了索引记录放置的位置，我们启动tomcat后它会在我们当前的目录下生成solr/data文件夹，里面就是索引文件。如果我们从tomcat的bin启动，那么它会在bin目录下生成solr/data文件夹，可以根据自己需要进行修改，只要把./solr/data改成想让它放在目录就可以了。

这样配置完成后，我们启动tomcat之后在浏览器输入http://localhost:8080/solr/admin就可以看到solr的管理界面啦。

 这样我们的配置就大功告成了。

曾经看过javaeye上一位朋友问过淘宝上的分面搜索是怎么实现的，当时有一位高人说是用solr，没想到它可以做出这么牛的东西，还有好多要学习呢。

---------------------------------------------------------------------------

【2】http://cxshun.iteye.com/blog/1040656

接着上篇http://cxshun.iteye.com/blog/1039445，我们讲了怎么初始化配置solr，并运行。问题来了，当我们配置完成后，索引当中并没有任何东西，就是说我们查询得到的结果永远是0。

现在这篇文章，我们要讲的就是如果添加数据和删除数据，并体验一下solr的基本请求参数的用法。

1）首先，我们必须知道，solr添加数据类型可以有多种格式，最常用的是XML和JSON，这两种的可读性是最好的。在solr的example/exampledocs文件夹内有自带一些XML格式的文件，便于我们进行添加数据。

首先呢，又是一些废话，当然是启动example自带的jetty啦，还是上次的命令，java -jar start.jar。

接着另外开一下cmd，进入到example/exampledocs文件夹内，运行java -jar post.jar *.xml，这里的*.xml代表文件夹内的所有XML文件，当然你也可以选择其他一个进行添加，执行后我们看到执行结果。

看到最后一句，它表明提交这次索引所有的变化。这个提交的设置我们在后面会看到它的用法。

2）这里我们再进入到solr的管理页面，http://localhost:8983/solr/admin，我们直接搜索solr，看到页面大概如下：

 我们进行搜索的结果默认是用XML格式显示，当然我们可以让它用JSON格式来显示，只要加上wt=json即可，加上后我们看到的结果为：

  可以看到正确的结果。

http://localhost:8983/solr/select/?q=solr&version=2.2&start=0&rows=10&indent=on&wt=json下面我们分析一下这个链接中参数的意义，q当然是搜索的内容啦，version暂时可以不管，用处不在，start和rows与hibernate中的分页参数类似，指开始的记录位置和查询的条数，indent指返回代码的缩进，可以试一下不加这个和加这个的区别，wt则是返回的结果格式。

3）上面是我们用的它自带的XML文件提交的结果，下面我们自己来写一个。为了方便，我们就参照它的救命文件写一个。我们找到schema.xml可以看到：

  这个是它允许我们提交的field的名称，我们就参照这些字段写几个试试吧。我把这个文件命名为test.xml

<add>
    <doc>
            <field name="id">Donnie Yen</field>
            <field name="text">Great</field>
    </doc>
</add>

  接着我们用java -jar post.jar test.xml出现下面的结果：

  这表明我们的数据已经提交成功，我们可以搜索一下：

http://localhost:8983/solr/select/?q=text:great&version=2.2&start=0&rows=10&indent=on

  这表明我们提交的数据已经成功更新到索引了。

4）说了添加，现在也该来删除一些东西了，我们想删除我们刚才添加的那条记录，我们可以发送命令java -Ddata=args -jar post.jar "<delete><id>Donnie Yen</id></delete>"（这个命令中的-Ddata=args表明数据是中参数中获取），出现

  则我们删除成功，不确定？那么我们再去查一下：

  没了吧，证明我们删除成功了。

这些东西不难吧。solr用得比较多的东西就是分面浏览，也就是facet navigation。下面我们来学习一下。

5）分面浏览指的是像淘宝的功能一样，我们搜索一种产品，它会在上面再根据类别分出好多小类，直接看图：

  我们看到它又分出了好多类，这种效果就叫分面浏览。

solr可以轻松做到分面浏览，比如我们在浏览器输入http://localhost:8983/solr/select/?q=solr&version=2.2&start=0&rows=10&indent=on&facet=true&facet.field=name&facet.query=price:[300%20TO%20400]，我们可以看到：

  这就是分面浏览的结果，它根据每个值再重新统计，统计出该类别下有多少个值。分面浏览的参数比较多，大家可以上WIKi上面看看http://wiki.apache.org/solr/SimpleFacetParameters。

--------------------------------------------------------------------------------------------------------------

【3】http://cxshun.iteye.com/blog/1041742

前两天，学习了solr的基本用法，接下来我们就开始真正来学习一下solr。学习一下它的文件结构，配置文件等。

以我们现在学习的阶段，最重要的文件夹就是example文件夹，这个里面包含了许多我们要学习的东西。

我们再来看一下该文件夹结构

我们看到这样的文件结构，文件夹的意思大家肯定都看得懂，这里只介绍两个文件夹，multicore和solr。

multicore是多个solr实例时才需要用到，现在我们暂时没用，先不管它。solr是自带的一个solr.home，这个是我们此次介绍的重点。

进入此文件夹，我们可以看到如下的结构：

bin文件夹为我们有额外的处理脚本时，需要放在这里，这里暂时没用到，我们先跳过。

conf是solr的配置文件所在，这里是重点。

data为索引目录。

由于我以为运行过，所以有这个data.bak目录，这具是以前的备份。

我们主要来看一下conf文件夹内的配置文件：

这里带副本的是我的备份文件。最主要的文件是schema.xml和solrconfig.xml，其余的如stopwords.txt为停顿词，当索引和查询时遇到这些词会自动忽略，其他文件，我们暂时不用，先不讲了。

打开solrconfig.xml我们可以看到<dataDir>这个标签，默认情况下是这样的

<dataDir>${solr.data.dir:./solr/data}</dataDir>

  它默认在当前目录下的solr目录下创建data目录来存放索引。这就是为什么当我们把solr.home设置成这个时，在tomcat的bin文件夹内启动时会生成solr/data文件夹。因为我们启动tomat时的当前目录为bin。

当然这个不是solr配置错误，对于它自带的jetty服务器来说，它是正确的，因为当前目录，正好是solr的目录。

这个文件我们需要配置的东西不多，先讲到这里，以后用到时再慢慢讲解。

接下来我们看一下重点的schema.xml，这个文件是对我们索引字段的说明，我们可以索引什么field都在这里进行了说明。

我们可以看到里面有一大堆注释，其实看里面的注释，大部分都是可以理解的。这个文件的配置跟我们以后需要进行的中文分词的集成有很大关系，所以这个文件要多看看。

我们看到types标签，而在它里面有一大堆fieldType，里面也有一大堆属性，这里大概介绍一下：

fieldType是定义索引的field类型，它有好几个属性，最主要的是name和class：

name是类型的名称，class是相应的solr中的类。还有两个属性看英文注释可能比较难理解，是sortMissingLast和sortMissingFirst，这两个属性是指当查找出来的内容为空时，它被排在哪里，当sortMissingLast为true时，表示放在最后，sortMissingFirst为true时，表示放在最前。为false时相反。

注意，我们看到后面时发现有fieldType里面有<Analyzer>标签，这个是用于配置分词器的，这个我们以后再说。

接着是<fields>标签和在它里面的<field>，field当然就是我们在索引的内容啦。

它有属性indexed和stored分别对应是否索引和保存，另外还有一个multiValued表示是否允许多值。

这里我们看到features有好几个值，而我们看到配置文件中配置的features也是这样的：

<field name="features" type="text" indexed="true" stored="true" multiValued="true"/>

它表示我们索引的field有多个值，如果这里没配置，在发送数据的时候会报错。

这里的type是对应我们前面配置的fieldType。

另外有一个<dynamicField>这是一个动态匹配的域，

<dynamicField name="*_i"  type="int"    indexed="true"  stored="true"/>

我们看到它的name指定了通配符，它指的是可以匹配所有以_i结尾的名称的field，如果我们指定

<dynamicField name="*"/>

那我们就可以匹配所有的field。

接下来，我们看到：

 <uniqueKey>id</uniqueKey>

<defaultSearchField>text</defaultSearchField>

<solrQueryParser defaultOperator="OR"/>
 <copyField source="cat" dest="text"/>

        这里应该看英文就可以看明白了，最主要是最下面的copyField，它是指复制field，它会把在source field里的值拷贝到text field里面，这样方便进行索引。注意，这里一般也只有对多值的才会这样做，也即是配置了multiValued为true的field才用copyField.

  
--------------------------------------------------------------------------------------------------------------

【4】http://cxshun.iteye.com/blog/1043200

前几次我们讲到了solr的基本用法和配置文件，接下来就开始进入我们真正的代码之旅啦。

1）首先以一个简单的程序来开头：

public static void main(String[] args) throws SolrServerException, IOException, ParserConfigurationException, SAXException{

          //设置solr.home，注意这时通过环境变量是solr.solr.home
      System.setProperty("solr.solr.home","E:\solr");
          //初始化容器，让它加载solr.home的配置文件
      CoreContainer.Initializer initializer = new CoreContainer.Initializer();
      CoreContainer coreContainer = initializer.initialize();

      EmbeddedSolrServer solrServer = new EmbeddedSolrServer(coreContainer,"");
      //构造参数列表
      SolrQuery solrQuery = new SolrQuery();
      Map<String,String> map = new HashMap<String,String>();
      map.put(FacetParams.FACET_DATE, "manufacturedate_dt");
      map.put(FacetParams.FACET_DATE_START,"2004-01-01T00:00:00Z");
      map.put(FacetParams.FACET_DATE_END,"2010-01-01T00:00:00Z");
      map.put(FacetParams.FACET_DATE_GAP,"+1YEAR");
      map.put("indent","on");
      map.put("wt","xml");
      map.put("hl.fl","name");
      SolrParams params = new MapSolrParams(map);
      solrQuery.add(params);
      solrQuery.setFacet(true);
      solrQuery.setFields("name,price,score");
      solrQuery.setQuery("solr");
      solrQuery.setSortField("price",SolrQuery.ORDER.asc);
      solrQuery.setHighlight(true);

      System.out.println(solrQuery.toString());

      QueryResponse queryResponse = solrServer.query(solrQuery);
      System.out.println(queryResponse.toString());
      System.out.println("共找到:"+queryResponse.getResults().getNumFound()+"个结果");
          //解析返回的参数
      SolrDocumentList sdl = (SolrDocumentList)queryResponse.getResponse().get("response");
      for (int i = 0; i< sdl.size(); i++){
          Object obj = sdl.get(i).get("manufacturedate_dt");
          String date = "";
          if (obj!= null){
              date = new SimpleDateFormat("yyyy-MM-dd").format((Date)obj);
          }

          System.out.println(((SolrDocument)sdl.get(i)).get("name")+":"+date+":"+(sdl.get(i).get("price")));
      }
  }

  这时我们所用到的是EmbeddedSolrServer，它是用于嵌入式地solr服务，这里我们不需要向外提供服务，所以我们就用到这个。另外有一个

CommonsHttpSolrServer这个类是用于发送指令的服务，例如我们需要发送HTTP命令来查询，就可以用这个。

下面我们分析一下代码，首先，我们设置了一个环境变量的名称为solr.solr.home，是这个，你没看错，确实是要这样。接下来我们初始化容器，让它加载solr.home的配置文件等。接下来的一系统代码就是构造参数列表。

我们构造完成后的参数列表是这样的：facet.date.start=2004-01-01T00%3A00%3A00Z&indent=on&facet.date=manufacturedate_dt&hl.fl=name&facet.date.gap=%2B1YEAR&wt=xml&facet.date.end=2010-01-01T00%3A00%3A00Z&facet=true&fl=name%2Cprice%2Cscore&q=solr&sort=price+asc&hl=true

跟我们直接在浏览器输入的不太一样，因为它是进行过编码的。构造完成后我们就可以用solrServer进行查询了。

查询得到的结果是JSON格式的，注意，通过程序来查询得到的都是JSON格式，而不是XML格式，不过这样更好，方便我们进行接下来的解析。

接下来的代码就是解析内容啦，应该很容易看懂的。

2）接下来的我们就尝试自己写一个程序来进行索引，而不用post.jar。

程序代码如下：

public static void main(String[] args) throws IOException, ParserConfigurationException, SAXException{

        System.setProperty("solr.solr.home","e:\solrIndex");

                //这下面三行代码主要是用于加载配置文件
        SolrConfig solrConfig = new SolrConfig("E:\solrIndex\conf\solrconfig.xml");
        FileInputStream fis = new FileInputStream("E:\solrIndex\conf\schema.xml");
        IndexSchema indexSchema = new IndexSchema(solrConfig,"solrconfig",fis);

        SolrIndexWriter siw = new SolrIndexWriter("solrIndex","E:\solrIndex",new StandardDirectoryFactory()
                ,true,indexSchema);
        Document document = new Document();
        document.add(new Field("text","测试一下而已",Field.Store.YES,Field.Index.ANALYZED,Field.TermVector.WITH_POSITIONS_OFFSETS));
        document.add(new Field("test_t","再测试一下而已",Field.Store.YES,Field.Index.ANALYZED,Field.TermVector.WITH_POSITIONS_OFFSETS));
        siw.addDocument(document);

        siw.commit();
        siw.close();

        SolrCore solrCore = new SolrCore("E:\solrIndex",indexSchema);

        SolrIndexSearcher sis = new SolrIndexSearcher(solrCore,indexSchema,"solrIndex",
                        new StandardDirectoryFactory().open("E:\solrIndex"),true);
        TopDocs docs = sis.search(new TermQuery(new Term("test_t","再")),1);

        System.out.println("找到"+docs.totalHits+"个结果 ");

        for (int i = 0; i < docs.scoreDocs.length; i++) {
            System.out.println(sis.doc(docs.scoreDocs[i].doc).get("test_t"));
        }

    }

  代码不难理解，所以就没写注释了。主要是那段加载配置文件的代码。接下来是添加索引，然后是查询索引，删除的比较简单，直接一句代码

solrServer.solrServer.deleteById("SOLR1000");

  或者

solrServer.deleteByQuery()

  都比较简单。

3）接下来我们讲一下，很可能会在项目中用到的，就是中文分词，中文分词有蛮多的，有IK，Paoding，mmseg4j，还有另外一些中科院什么地方的。但个人建议用IK或者mmseg4j，这两个有solr都有比较直接的支持，paoding也可以，但可能需要自己写类继承BaseTokenizerFactory然后再进行配置，不难。

上面的例子就是用到中文分词了，如果你发现找不到结果，那很正常，因为还没添加中文分词，你可以把中文改成英文，再查一下，就可以查出来了。

需要添加中文分词，我们要在schema.xml中做文章。找到types标签，在里面找到你想要进行中文分词的类型，比如text类型，我们想要让它的内容用中文分词来进行分析，可以进行配置：

<analyzer type="index">
        <tokenizer class="org.wltea.analyzer.solr.IKTokenizerFactory"/>
        <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"/>
      </analyzer>
      <analyzer type="query">
        <tokenizer class="org.wltea.analyzer.solr.IKTokenizerFactory"/>
        <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.SnowballPorterFilterFactory" language="English" protected="protwords.txt"/>
      </analyzer>

  你可以先不理解filter的那些东西，但你一定要理解tokenizer这些地方的配置，它配置了你想要应用的分词器，它必须继承于BaseTokenizerFactory。我们看到analyzer有一个type属性，它表示你要在哪个阶段运用此分词器，如果索引和查询都要用，我们可以不写type，这样solr就会在索引和查询时都使用此分词器，这样配置完成后就可以进行中文分词的测试啦。我们重新把上面的例子添加中文进行索引，然后查询出来，看有没有问题。我的运行结果如下：

  我们找到了结果，证明我们的中文分词已经没问题了。