全文检索引擎Solr系列

Solr采用Lucene搜索库为核心,提供全文索引和搜索开源企业平台,提供REST的HTTP/XML和JSON的API,如果你是Solr新手,那么就和我一起来入门吧!本教程以solr4.8作为测试环境,jdk版本需要1.7及以上版本。

准备

本文假设你对Java有初中级以上水平,因此不再介绍Java相关环境的配置。下载解压缩solr,在example目录有start.jar文件,启动:

1

 

java -jar start.jar

 

浏览器访问::8983/solr/,你看到的就是solr的管理界面

索引数据

服务启动后,目前你看到的界面没有任何数据,你可以通过POSTing命令向Solr中添加(更新)文档,删除文档,在exampledocs目录包含一些示例文件,运行命令:

1

 

java -jar post.jar solr.xml monitor.xml

 

上面的命令是向solr添加了两份文档,打开这两个文件看看里面是什么内容,solr.xml里面的内容是:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

 

<add>

<doc>

  <field name="id">SOLR1000</field>

  <field name="name">Solr, the Enterprise Search Server</field>

  <field name="manu">Apache Software Foundation</field>

  <field name="cat">software</field>

  <field name="cat">search</field>

  <field name="features">Advanced Full-Text Search Capabilities using Lucene</field>

  <field name="features">Optimized for High Volume Web Traffic</field>

  <field name="features">Standards Based Open Interfaces - XML and HTTP</field>

  <field name="features">Comprehensive HTML Administration Interfaces</field>

  <field name="features">Scalability - Efficient Replication to other Solr Search Servers</field>

  <field name="features">Flexible and Adaptable with XML configuration and Schema</field>

  <field name="features">Good unicode support: h&#xE9;llo (hello with an accent over the e)</field>

  <field name="price">0</field>

  <field name="popularity">10</field>

  <field name="inStock">true</field>

  <field name="incubationdate_dt">2006-01-17T00:00:00.000Z</field>

</doc>

</add>

 

表示向索引中添加一个文档,文档就是用来搜索的数据源,现在就可以通过管理界面搜索关键字”solr”,具体步骤是:

solr

点击页面下的Execute Query按钮后右侧就会显示查询结果,这个结果就是刚才导入进去的solr.xml的json格式的展示结果。solr支持丰富的查询语法,比如:现在想搜索字段name里面的关键字”Search”就可以用语法name:search,当然如果你搜索name:xxx就没有返回结果了,因为文档中没有这样的内容。

数据导入

导入数据到Solr的方式也是多种多样的:

可以使用DIH(DataImportHandler)从数据库导入数据

支持CSV文件导入,因此Excel数据也能轻松导入

支持JSON格式文档

二进制文档比如:Word、PDF

还能以编程的方式来自定义导入

更新数据

如果同一份文档solr.xml重复导入会出现什么情况呢?实际上solr会根据文档的字段id来唯一标识文档,如果导入的文档的id已经存在solr中,那么这份文档就被最新导入的同id的文档自动替换。你可以自己尝试试验一下,观察替换前后管理界面的几个参数:Num Docs,Max Doc,Deleted Docs的变化。

numDocs:当前系统中的文档数量,它有可能大于xml文件个数,因为一个xml文件可能有多个<doc>标签。

maxDoc:maxDoc有可能比numDocs的值要大,比如重复post同一份文件后,maxDoc值就增大了。

deletedDocs:重复post的文件会替换掉老的文档,同时deltedDocs的值也会加1,不过这只是逻辑上的删除,并没有真正从索引中移除掉

删除数据

通过id删除指定的文档,或者通过一个查询来删除匹配的文档

1

2

 

java -Ddata=args -jar post.jar "<delete><id>SOLR1000</id></delete>"

java -Ddata=args -jar post.jar "<delete><query>name:DDR</query></delete>"

 

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/39698e780ffa6b3f65fe56ef4001dd95.html