solr 简单搭建 数据库数据同步（待续）

原来在别的公司负责过文档检索模块的维护（意思就是不是俺开发的啦）。

所以就略微接触和研究了下文档检索。

文档检索事实上是全文检索。是通过一种技术把N多文档进行一定规律的分割归类，然后创建易于搜索的索引式文件，然后搜索具有某些规律的文档时，可以通过高速定位索引，然后依据索引提供的信息精确定位到文档从而实现迅速找到文档。这个文档一般成为条目。

上家公司的时候使用的是Lucene加上Zoie实现的。

lucene是apache下的开源项目，只是并非全文检索的实现，而是一个全文检索的引擎，是一个架构，是其它检索服务的底层支持。zoie研究的不是太多，由于认为并非非常好用。对于lucene的基本知识和使用，以后单独写篇博客记录，该文主要记录solr的简单搭建和应用。

Solr它是一种开放源代码的、基于 Lucene Java 的搜索server，易于增加到 Web 应用程序中。

Solr 提供了层面搜索(就是统计)、命中醒目显示并且支持多种输出格式（包含XML/XSLT 和JSON等格式）。它易于安装和配置。并且附带了一个基于HTTP 的管理界面。能够使用 Solr 的表现优异的基本搜索功能，也能够对它进行扩展从而满足企业的须要。

也就是说solr能够自己直接做服务使用。

就像上家公司自己开发的搜索服务包，封装了一些lucene的操作（主要是写入索引indexWriter）和一些zoie的操作（主要是读取操作indexReader）。使用了最简单的自带的分词方法StandardAnalyzer，所以并不好用。而solr就是一个已经都封装好的war包，准许http訪问，至于文档格式、字段、索引创建、搜索等都是能够配置的。

是不是能够说基本perfect了！

下来就简单说下我的研究步骤：

1.下载solr。我的笔记本是Windows系统。所以我下载的是zip包，下载地址。

2.解压solr的zip包。解压的文件夹结构如图：

bin文件夹下是一些脚本

contrib是一些扩展插件的jar包。供solr服务引用和加入高级功能等。当中配置的分词器、数据库数据引入、数据视图解析（xml、json等）等。

dist下是solr自己的一堆jar包以及javaclientsorlj的依赖包

docs下是帮助文档。十分具体

example下是实例配置、jetty的配置、solr core配置

licenses下是认证信息。无需管。

3.这次直接解说怎样将数据库的数据同步到索引里。

01.将example/solr中的collection1目录复制一份到同目录下，重命名为user，将user目录下的core.properties和README.txt删掉，将user/data目录下清空。

02.user目录即是我们新建的索引库。其下的conf目录是索引的一些配置文件，data目录下是初始化之后创建的索引文件

03.conf下介绍：

.clustering目录配置集群的（暂未研究）

.lang目录配置的各国语言的stopwords

.velocity目录是配置vm的返回格式。使用/browse就可以

.xlst目录是配置xml数据格式的

外部文件解析：

stopwords.txt过滤词

protwords.txt有保护性的词（不太理解）

synonyms.txt同义词

spellings.txt拼写检查文档

elevate.xml配置排名上升的field

solrconfig.xml是solr的主要配置文件，配置jar包、路径信息、创建索引配置、updateHandler配置、query配置、requestHandler配置、一些展示页面配置、数据源配置（DataImportHandler）、facet展示页面配置

schema.xml是solr索引的字段配置文件。配置field、fieldType等

04.改动solrconfig.xml文件：

引入自己须要的jar包

<lib dir="../bin/" regex="mysql-connector-java-5.0.8-bin.jar" />

  <!-- analysis libs by tianzhilong -->

  <lib dir="../../../contrib/analysis-extras/lib" regex=".*\.jar" />





配置/browse訪问的查询条件、VelocityResponseWriter、facet展示页面。主要须要改动Query settings中的qf（设置查询字段以及各字段的权重）。df（默认查询字段）等等查询參数可见http://sarsgetaway.iteye.com/blog/1560143；faceting设置主要设置field、query、range。高亮设置；拼写检查设置





增加/dataimport路径进行数据同步

<!-- DataImportHandler to be registered in the solrconfig.xml -->

  <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">

    <lst name="defaults">

      <str name="config">data-config.xml</str>

    </lst>

  </requestHandler>

05.改动schema.xml文件

将数据库user表的须要存储和索引的字段配置进schema.xml中，将原来的測试字段删除；

dynamicField不变。

copyField将自己的字段加入（建立索引的字段，仅仅存储不索引的字段无论）；

fieldType中添加中文分词的类型

 <fieldType name="text_smartcn" class="solr.TextField" positionIncrementGap="0">

      <analyzer type="index">

        <tokenizer class="org.apache.lucene.analysis.cn.smart.SmartChineseSentenceTokenizerFactory"/>

        <filter class="org.apache.lucene.analysis.cn.smart.SmartChineseWordTokenFilterFactory"/>

      </analyzer>

      <analyzer type="query">

        <tokenizer class="org.apache.lucene.analysis.cn.smart.SmartChineseSentenceTokenizerFactory"/>

        <filter class="org.apache.lucene.analysis.cn.smart.SmartChineseWordTokenFilterFactory"/>

      </analyzer>

    </fieldType>

06.在velocity目录下，改动product_doc.vm文件。将自己须要显示的字段设置上

时间有限。下来再排版和补全。待续~