静态发布和全文检索培训.ppt

上面是solr的架构图，solr服务器是基于lucene的，并运行在servlet容器中，一般都用tomcat。solr提供了admin、update和select接口，都是基于XML,JSON 和HTTP 。其中update是索引接口，select是查询接口，admin是管理接口。索引时，每个文档都用Document来表示（和lucene是一样的），每个Document由多个Field组成，每个Field包括name和value两部分。查询时，调用select接口，输入为solr的查询语言，输出为xml或json格式的文档列表。 solr的架构是很灵活的，基于插件的，比如XML Update Handler, request Handler, response Writer，可以自己配置或者写代码进行定制。 这两个地方一般都是要自定义的，其他可以用缺省配置。dataDir是定义索引文件的存储位置，updateHandler的配置定义了索引提交的触发条件，maxDocs表示到10000个文档更新了就提交，maxtime表示要240000ms就提交，两者只要满足一个就可以。 这是采购网的schema配置，定义各个field，name是名字，type是类型，也表示切词的方式，text是需要切词的，其他类型都不切词。indexed表示是否索引，stored表示是否保存字段的内容。uniquekey表示唯一性的字段名称。 fuzzy searches是计算两个字符串的相似度，来进行查询。jakarta apache~10表示jakarta和apache两个单词之间的距离不超过10。 boosting a term，指能够指定某个词的重要性，比如jakarta^4 apache表示jakarta更重要一些 通常都是用xml格式来描述。delete时能够支持查询，将查询出来的文档都删除。 查询语句都可以拼到一个url里，采用http get方式提交。q参数表示查询语句，还有其他参数表示排序和分页的参数 SolrInputDocument是solr文档对象，solrj将它转化成前面提到的xml，提交到solr的索引接口。 这是ebnew全文检索系统的总体框架，其中，信息更新后，会通过触发器在发布队列表中插入相应记录。每条记录中包括更新信息的表名，id等信息。定时索引任务会定时读取发布队列表，发现有新的信息后，读取对应表的详细数据，调用solr的索引接口更新索引。更新成功后，删除发布队列表的相应记录。 schema.xml solr查询语言 和lucene的查询语法基本一致，并增加了新的特性 title:The Right Way AND text:go Wildcard Searches: te?t test* te*t Fuzzy Searches: roam~0.8 such as foam or roams Proximity Searches: jakarta apache~10 solr查询语言 Boolean Operators: AND(+) OR NOT(-) Grouping: (jakarta OR apache) AND website Field Grouping: title:(+return +pink panther) Boosting a Term: jakarta^4 apache Range Searches: mod_date:TO title:{Aida TO Carmen} 举例：modelName:article AND id0:11 AND id1:5 AND content:岷县 solr更新接口 更新的url是/update，通过http post方法提交 （1）添加、更新或删除 （2）提交、优化或者回滚 solr查询接口 查询的url是/select/ 举例：4:7080/solr1/select/?q=modelName%3Aarticle+AND+id0%3A11+AND+id1%3A5+AND+content%3A%E5%B2%B7%E5%8E%BFversion=2.2start=0rows=10indent=on 其他参数 sort 排序 Start 分页开始行 rows 每页行数 fq filter Query fl返回的字段数 solr查询接口 查询结果返回格式 solrj介绍 solrj是solr的java客户端 初始化服务器对象 String url = http://localhost:8983/solr; SolrServer server = new CommonsHttpSolrServer(