Apache Solr配置

浏览数：25 / 时间：2015年06月09日

Solr配置

Solr的主要功能是全文检索，该功能分为两个过程：创建索引和对索引进行搜索；

在创建索引之前，需要重点关注两个配置文件：SOLR_HOME/collection1/conf/schema.xml(定义Document的结构类似定义DB的表结构) & solrconfig.xml(solr运行配置如请求如何被处理)；在Solr创建索引的过程中，每条数据被抽象成一个Document(文档)，每条数据的属性被抽象成Field(字段)，Solr原生支持XML,JSON,CSV格式的Document文件对Document进行添加，删除；但现实情况是很多应用的数据都保存在关系型数据库或者XML文件中，要想对这些数据进行索引需要通过Data Import Request Handler(Solr扩展模块)，该模块提供全量索引(将全部数据进行索引)和增量索引(只对某个时间点之后的数据进行索引)功能；

下面笔者将通过一个对MySQL数据库中数据进行索引的例子来阐述整个过程；

1,对数据表topic中的数据创建索引，topic表结构如下：

CREATE TABLE `topic` (
`id` INT(8) NOT NULL AUTO_INCREMENT COMMENT ‘自增id‘,
`title` VARCHAR(50) DEFAULT NULL COMMENT ‘标题‘,
`content` TEXT COMMENT ‘内容‘,
`create_date` BIGINT(15) DEFAULT NULL COMMENT ‘创建时间‘,
`update_date` BIGINT(15) DEFAULT NULL COMMENT ‘更新时间‘,
PRIMARY KEY (`id`),
) ENGINE=INNODB CHARSET=utf8

全文检索只针对title,content字段进行其他字段只做显示;

2,定义Document(文档)结构，对SOLR_HOME/collection1/conf/schema.xml进行如下修改：

在<fields>中添加如下field定义：

field属性说明：

name:必须，field名称

type:必须，field类型名称，在<types>中通过fieldType定义

indexed:true表示该field需要被索引(能搜索和排序)

stored:true表示在索引中保存该field可在后面被读取

multiValued:true表示该field在文档中存在多个值

required:field是否必须有值，如果索引过程中该field为空则出错

default:默认值

增加fieldType定义，因为要支持中文检索，建索引时需要使用中文分词包，笔者使用的是IK Analyzer，下载IK Analyzer 2012FF_hf1版本能支持Solr4，上述配置中使用了type="text_chinese_IK" fieldType，该fieldType并非Solr预定义类型，故需要在<types>中添加该类型的定义并支持中文分词，定义如下：

</fieldType>

org.wltea.analyzer.lucene.IKAnalyzer为中文分词类同时用于索引和搜索过程，在这里需要将IK Analyzer中的IKAnalyzer2012FF_u1.jar,stopword.txt,IKAnalyzer.cfg文件复制到TOMCAT_HOME/webapp/solr/WEB-INF/lib下面

设置uniqueKey,每个文档可通过uniqueKey进行定位，Solr保证一个uniqueKey只存在一个Document：

<uniqueKey>test_id</uniqueKey>(作为uniqueKey的field必须是required)

3,添加dataimporter处理器，Solr REST风格的APIs保证所有的功能都可通过HTTP请求实现，如查询/select,索引更新/update等以上功能已在Solr上预定义，dataimporter属于扩展功能，需要在SOLR_HOME/collection1/conf/solrconfig.xml中添加Data Import Request Handler，如本例：

<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
    <lst name="defaults">
      <str name="config">./data-config.xml</str>
    </lst>
</requestHandler>

org.apache.solr.handler.dataimport.DataImportHandler为DataImporter处理器(扩展模块)，需要将Solr-4.2.0/dist/solr-dataimporthandler-4.2.0.jar,solr-dataimporthandler-extras-4.2.0.jar复制到TOMCAT_HOME/webapps/solr/WEB-INF/lib中，data-config.xml为数据源配置文件，DataImporter使用该文件从数据源中读取数据

4,配置data-config.xml，本例从MySQL表topic中导入数据：

<dataConfig>
<dataSource type="JdbcDataSource"
              batchSize="-1"
              driver="com.mysql.jdbc.Driver"
              url="jdbc:mysql://127.0.0.1:3306/test"
              user="reader"
              password="reader"/>
<document>
    <entity name="topic" pk="id" onError="Skip" transformer="com.zj.transformer.MySolrTransformer"

query="select id,title,content,create_date,update_date from topic"
deltaImportQuery="select id,title,content,create_date,update_date from topic where id=${dataimporter.delta.id}"

        deltaQuery="select id from topic where update_date>‘${dataimporter.last_index_time}‘">
        <field column="id" name="test_id" />
        <field column="title" name="test_title" />
        <field column="content" name="test_content" />
        <field column="create_date" name="test_create_date" />

</entity>
</document>
</dataConfig>

<dataSource>用于定义数据源，本例定义JdbcDataSource作为数据源

<entity>定义抽取，转换并将数据添加进索引，name为名称，pk为主键，onError定义出错处理方式(abort|skip|continue)，transformer用于数据转换(query执行后，添加进索引前)，query定义全量索引时数据查询SQL，deltaImportQuery定义增量索引时数据查询SQL，deltaQuery定义哪些数据需要增量索引的查询SQL

<field>定义将数据库列对于到Solr的索引字段，column为数据库表字段名，name为Solr定义的索引字段名

本例中query="select id,title,content,create_date,update_date from topic"，全量索引将topic表中的所有数据都添加到Solr索引中，在全量索引完成之后，Solr会自动生成dataimport.properties保存最近一次索引开始时间戳last_index_time，通过配置deltaImportQuery="select id,title,content,create_date,update_date from topic where id=${dataimporter.delta.id}"，deltaQuery="select id from topic where update_date>‘${dataimporter.last_index_time}‘"，增量索引将topic中update_date大于last_index_time的数据添加进索引实现增量更新(注：${dataimporter.delta.id}，${dataimporter.last_index_time}是固定写法除id需要跟deltaQuery="select id ..."对应外其他不可更改要不然DataImporter取不到相应的值)；

本例的com.zj.transformer.MySolrTransformer主要是为了介绍transformer，并无特殊目的：

package com.zj.transformer;

public class MySolrTransformer {

public Object transformRow(Map<String, Object> row) {

// row中保存数据库查询出的一条记录<column_name, value>

// 可以对row进行各种修改

return row;

}

transformer的定制非常简单完全是无侵入式的，只需要实现public Object transformRow(Map<String, Object> row)方法即可

5,启动索引过程

建全量索引，在浏览器中输入：http://ip:port/solr/dataimport?command=full-import&commit=true

建增量索引：http://ip:port/solr/dataimport?command=delta-import&clean=false&commit=true(也可通过定时器定时发送HTTP请求建增量索引);

6,查询索引

1,直接通过Solr查询页面查询：http://ip:port/solr/#/collection1/query

2,通过Solrj API进行查询：将Solr-4.2.0/dist/solr-solrj-4.2.0.jar,Solr-4.2.0/dist/solrj-lib/httpclient-4.2.3.jar,httpcore-4.2.2.jar,httpmime-4.2.3.jar Copy到工程的classpath中，创建如下代码：

package com.mobcent.searcher.solr.searcher;

import org.apache.solr.client.solrj.SolrQuery;

import org.apache.solr.client.solrj.SolrServer;

import org.apache.solr.client.solrj.SolrServerException;

import org.apache.solr.client.solrj.impl.HttpSolrServer;

import org.apache.solr.client.solrj.response.QueryResponse;

import org.apache.solr.common.SolrDocumentList;

public class CopyOfSolrSearcher {

public static void main(String[] args) {

SolrServer server = new HttpSolrServer("http://127.0.0.1:8080/solr" );

((HttpSolrServer) server).setSoTimeout(3000);

((HttpSolrServer) server).setConnectionTimeout(3000);