基于tomcat的solr环境搭建（Linux）

♥♥  solr是基于lucene的一个全文检索服务器，提供了一些类似webservice的API接口，用户可以通过http请求solr服务器，进行索引的建立和索引的搜索。
索引建立的过程：用户提交的文本会经过分词器进行分词，分词后的关键字会存到索引库里，索引库是关键字和目标文档的映射集。
索引搜索的过程：用户提交的搜索文本也是会经过分析器，得到的关键字会去索引库查询对应的目标文档并返回给客户端，采用的是权重排序算法。

solr和lucene的区别：lucene是一些搜索工具包，任何应用可以引进这些jar包实现自己的搜索引擎系统，而solr是基于lucene的，封装好的搜索引擎系统。lucene需要自己维护索引文件。

solr几个重要的配置文件：solrconfig、schema.xml数据库配置文件、data-config（自定义，用于数据从数据库导入到solr）

Lucene专注于搜索底层的建设，而Solr专注于企业应用。

1.solr的安装

2.中文分词器的安装

配置信息：

 <!--中文分词器 -->
     <fieldType name="text_ik" class="solr.TextField">
        <analyzer type="query" isMaxWordLength="true"  class="org.wltea.analyzer.lucene.IKAnalyzer"/>
        <analyzer type="index" isMaxWordLength="false"  class="org.wltea.analyzer.lucene.IKAnalyzer"/>
    </fieldType>

3.1 DIH全量同步

相关配置信息：

<!-- 数据导入配置 -->
  <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
     <lst name="defaults">
       <str name="config">data-config.xml</str>
     </lst>
  </requestHandler>

3.2

相关配置信息：

 

3.3 schema.xml同步字段配置

相关配置信息：

   <!-- 同步mysql爬虫表的字段 -->
   <field name="create_date" type="date" indexed="true" stored="true"/>
   <field name="update_date" type="date" indexed="true" stored="true"/>
   <field name="news_url" type="text_general" indexed="true" stored="true"/>
   <field name="news_origin" type="text_general" indexed="true" stored="true"/>
   <field name="key_word" type="text_general" indexed="true" stored="true"/>
   <field name="news_html" type="text_ik" indexed="true" stored="true"/>
   <field name="is_publish" type="int" indexed="true" stored="true"/>
   <field name="is_del" type="int" indexed="true" stored="true"/>
   <field name="flag_number" type="text_general" indexed="true" stored="true"/>
   <field name="out_line" type="text_ik" indexed="true" stored="true"/>
   <field name="state" type="int" indexed="true" stored="true"/>
   <!-- 同步mysql爬虫表的字段end -->

4.1DIH的增量同步（其实就是修改data-config.xml配置文件）

相关配置信息：

<dataConfig>
    <dataSource driver="com.mysql.jdbc.Driver" url="jdbc:mysql://192.168.40.1:3306/shanghang" user="root" password="root" />
    <document>
            <entity name="consensus_data2" pk="id" transformer="DateFormatTransformer"  query="select * from consensus_data2 where id >= '${dataimporter.request.id}'"
                 deltaImportQuery="select * from consensus_data2 where id = '${dih.delta.id}'"
                 deltaQuery="select id from consensus_data2 where create_date > '${dataimporter.last_index_time}'">
                <field column="id" name="id" />
                <field column="create_date" name="create_date" dateTimeFormat='yyyy-MM-dd HH:mm:ss'/>
                <field column="update_date" name="update_date" dateTimeFormat='yyyy-MM-dd HH:mm:ss' />
                <field column="news_url" name="news_url" />
                <field column="news_origin" name="news_origin" />
                <field column="keyWord" name="key_word" />
                <field column="news_html" name="news_html" />
                <field column="is_publish" name="is_publish" />
                <field column="is_del" name="is_del" />
                <field column="flag_number" name="flag_number" />
                <field column="out_line" name="out_line" />
                <field column="state" name="state" />
            </entity>
    </document>
</dataConfig>