标签：Lucene style blog http io color ar os 使用
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）。所以就稍微接触和研究了下文档检索。
文档检索其实是全文检索，是通过一种技术把N多文档进行一定规律的切割归类，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，能够通过快速定位索引，然后根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，不过并不是全文检索的实现，而是一个全文检索的引擎，是一个架构，是其他检索服务的底层支持。zoie研究的不是太多，因为觉得并不是很好用。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它是一种开放源码的、基于 Lucene Java 的搜索服务器，易于加入到 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（包括XML/XSLT 和JSON等格式）。它易于安装和配置，而且附带了一个基于HTTP 的管理界面。可以使用 Solr 的表现优异的基本搜索功能，也可以对它进行扩展从而满足企业的需要。也就是说solr可以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访问，至于文档格式、字段、索引创建、搜索等都是可以配置的。是不是可以说基本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，解压的目录结构如图：
bin目录下是一些脚本
contrib是一些扩展插件的jar包，供solr服务引用和添加高级功能等。其中配置的分词器、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java客户端sorlj的依赖包
docs下是帮助文档，十分详细
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.这次直接讲解如何将数据库的数据同步到索引里。
01.将example/solr中的collection1文件夹复制一份到同目录下，重命名为user，将user文件夹下的core.properties和README.txt删掉，将user/data文件夹下清空。
02.user文件夹即是我们新建的索引库。其下的conf文件夹是索引的一些配置文件，data文件夹下是初始化之后创建的索引文件
03.conf下介绍：
.clustering文件夹配置集群的（暂未研究）
.lang文件夹配置的各国语言的stopwords
.velocity文件夹是配置vm的返回格式，使用/browse即可
.xlst文件夹是配置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.修改solrconfig.xml文件：
引入自己需要的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访问的查询条件、VelocityResponseWriter、facet展示页面。主要需要修改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）等等查询参数可见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
加入/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.修改schema.xml文件
将数据库user表的需要存储和索引的字段配置进schema.xml中，将原来的测试字段删除；
dynamicField不变；
copyField将自己的字段添加（建立索引的字段，只存储不索引的字段不管）；
fieldType中增加中文分词的类型
<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文件夹下，修改product_doc.vm文件。将自己需要显示的字段设置上
时间有限，下来再排版和补全。待续~
标签：Lucene style blog http io color ar os 使用
原文地址：http://blog.csdn.net/yichenlian/article/details/40746099
