一、Solr综述

什么是Solr搜索

我们经常会用到搜索功能，所以也比较熟悉，这里就简单的介绍一下搜索的原理。

当然只是介绍solr的原理，并不是搜索引擎的原理，那会更复杂。

流程图

这是一个非常简单的流程图：

User：即需要搜索的用户。

Raw Data：需要搜索的内容，当然是源数据，可能是文本文件，可能是数据库的数据，可能是XML等等。

Index：有格式的数据。

 

其实从图中可以看出来：

  1. Solr搜索非常类似于读写数据库的过程。
  2. Solr搜索最主要的两个问题（细节已经封装好）：
    1. 怎样从元数据合理组织格式化成Index
    2. 怎样根据关键字从Index中调取相关数据（排序、模糊查询等等）。

 

类比一下，Index就相当于数据表，里面有很多记录，我们需要做的就是设计数据表的格式，有哪些列。并且根据关键字搜索。

Solr综述

Solr其实是一个WebApp，在官网下载后将war包放在web'容器下便可以直接运行，你自己的web项目通过HTTP请求的方式和Solr交互。当然需要现在Solr中生成索引库（类似不同的数据表）。HTTP请求中带有相关参数（关键字、需要搜索的索引库、排序规则….）。那么想爱先简单介绍下一些相关的概念：

索引Index，文档Docements，域Fields

Solr中数据最小单元为Field，比如Name、Age。Documents是一个具体的对象，如人。举例说明：Edwin是一个人，那么可以将Edwin抽象为一个Document，这个Document包含很多Fields，Name、Age、Sex….。一个索引库Index由许多Documents组成。

Index（Student） ß Docements(Edwin、AngelaBaby…) ß Fields(Name、Age…)

是不是很像数据库的模型？ 其实完全可以把这个理解为数据库… 并且Index还真的有主键的概念，叫做Unique Field。

 

查询Query

上面解决了数据格式化成Index的问题，那么还剩下怎样根据关键字查询搜索结果的问题，先举个例子：

http://localhost:8983/solr/Artist/select?q=Artist_Name:周杰伦 &wt=json&indent=true

这就是web项目和Solr交互的一个Url

Localhost:8983/solr 这个事Solr项目

Artist是索引库Index

q=Artist_Name:周杰伦

        q代表Query 意思是查询Artist_Name为周杰伦的数据

wt=json 指结果按照Json形式返回

indent=true 返回的数据格式化（也就是好看一点~）

 

通过这一个简单的请求，即可以明白Solr请求的一个基本过程了，有什么需求加什么参数，之后Solr解析请求，根据自己的匹配规则，一个很复杂的公式，计算所有Documents的得分，得分高的优先返回。最后Web项目获得得到搜索结果，格式化输出。

 

 

两个重要的文件

Schema.xml

这个文件其实就是对Index的配置，包括Field的类型，Unique Field，分词等等。

先看看整体结构：

  1.  
  2.   <schema name="Artist" version="1.1">
  3.    <fieldtype name="string" class="solr.StrField" sortMissingLast="true" omitNorms="true"/>
  4.    <fieldType name="long" class="solr.TrieLongField" precisionStep="0" positionIncrementGap="0"/>
  5.    <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/>
  6.   <field name="ID" type="int" indexed="true" stored="true" multiValued="false" required="true"/>
  7.    <field name="Name" type="text_ik" indexed="true" stored="true"/>
  8.    <field name="Name_Exact" type="string" indexed="true" stored="true" />
  9.    <field name="SpaceID" type="long" indexed="true" stored="true"/>
  10.    <field name="PinYin" type="text_general" indexed="true" stored="true"/>
  11.    <field name="SongNum" type="int" indexed="true" stored="true"/>
  12.  
  13.    <copyField source="Artist_Name" dest="Artist_Name_Exact" />
  14.  <!-- field to use to determine and enforce document uniqueness. -->
  15.  <uniqueKey>ID</uniqueKey>
  16.  
  17.  <!-- field for the QueryParser to use when an explicit fieldname is absent -->
  18.  <defaultSearchField>ID</defaultSearchField>
  19.  
  20. <!-- Chinese -->
  21.    <fieldType name="text_ik" class="solr.TextField">
  22.         <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
  23.         <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
  24.    </fieldType>
  25.  
  26.  <!-- SolrQueryParser configuration: defaultOperator="AND|OR" -->
  27.  <solrQueryParser defaultOperator="OR"/>
  28. </schema>

 

 

FieldType代表Field的类型，可以自定义也可以使用Solr提供的Type，具体支持的Type可以参考Solr文档，其中需要稍微解释一下的是string，实现的class是solr.StrField，string的意思是将Field当成字符串，那么如果在搜索时，不会进行分词。只能整体匹配，例如将Name设置为string，那么当搜索周杰伦的时候，只有Name完全和周杰伦相同才会被匹配，周杰，周杰伦你好…这些都不会匹配，这个在精确查找时很有用。

Unique Field ：其实是主键的意思，就是说在所有的Documents中被设置成Unique的Field只能有唯一值。当然在Index生成的时候，不用去重，Solr并不会报错，比如向Solr输入

ID:1 Name:张三

ID:1 Name：李四

如果ID为Unique Field，那么Solr可能会根据先后顺序，只会存储一个ID为1的Document，剩余重复ID的Document会被忽略。

Field中还有很多属性：

        Name和Type就不说了

        Indexed：表示此Field是否索引，意思就是能否被搜索到，如果Name设置为false，那么搜索Name=周杰伦是没有结果的。

        Stored：表示此Field是否被存储。

        multiValued：表示此Field能否有多值，即Category可以有多个值：如原创歌手、华语男歌手等等。默认false，Unique Field必须显式设置为false。

        Required：表示此Field是否能为空，默认false，Unique Field必须设置为true。

  1. <copyField source="Name" dest="Name_Exact" />

这是一个很有用的东西，从名字就能看出来是赋值Field，最大的作用便是可以让一个Field有多个不同的Type。

比如Name一个可以设置为text_ik（分词器，可以看我的博客：三、Solr多核心及分词器（IK）配置）

一个设置为string

那么模糊搜索时，可以使用Name，精确搜索时使用Name_Exact。

 

 

Solrconfig.xml

Scheme.xml是对索引库中Documents的配置，那么solrconfig就是对索引库的整体配置。配置requestHandler，有点类似于filter，就是在请求前后对请求进行预处理。这个之后碰到具体情况再具体分析，因为一般情况下设置好了之后，极少需要改动此文件。

 

总结

    其实我个人使用Solr后觉得，如上面画的简单的流程图，最重要的两个问题：

  1. 查询条件

    查询哪些Field，用什么方式查询，什么排序，比如按照更新时间排序，还是在搜索歌曲时HQ、SQ优先等等，主要用到了Url参数、solrconfig中的requestHandler。

  2. Index的设计

    这是重中之重，我觉得大部分情况下应该都是使用solr从数据库中读取数据生成索引，这就要求原来的数据库设计就要比较合理，如果原来的数据库比较乱，那么就需要大量的SQL将表联结等等操作，并且出错的概率也高。

posted @ 2014-09-15 15:25  @瞪着太阳的乌鸦  阅读(2050)  评论(2)  编辑  收藏  举报