solr学习笔记-linux下配置solr
本文地址：
?
首先介绍一下solr：
Apache Solr (读音:?SOLer)?是一个开源、高性能、采用Java开发、基于Lucene的全文搜索服务器，文档通过Http利用XML加到一个搜索集合中，查询该集合也是通过 http收到一个XML/JSON响应来实现。Solr 中存储的资源是以 Document 为对象进行存储的。每个文档由一系列的 Field 构成，每个 Field 表示资源的一个属性。Solr 中的每个 Document 需要有能唯一标识其自身的属性，默认情况下这个属性的名字是 id，在 Schema 配置文件（schema.xml）中使用：<uniqueKey>id</uniqueKey>进行描述。solr有两个核心文件，solrconfig.xml和schema.xml。solrconfig.xml是solr的基础文件，里面配置了各种web请求处理器、请求响应处理器、日志、缓存等;schema.xml配置映射了各种数据类型的索引方案，分词器的配置、索引文档中包含的字段也在此配置。
工作中主要用来分词和搜索，简单的工作原理是：利用分词器对数据源进行分词处理，然后根据分词结果建立索引库;查询的时候，利用分词器对查询语句进行分词，根据查询语句分词的结果在索引库中进行匹配，最后返回结果。
废话少说，下面开始solr之旅吧：
一.安装JDK和Tomcat
（1）：安装jdk ?下载jdk安装包，解压到jdk-1.x目录（2）：安装tomcat，下载tomcat安装包，解压到apache-tomcat目录下
修改tomcat安装目录下的conf目录的server.xml
找到<Connector port="8080" .../>，加入URIEncoding=
<Context docBase="/home/zhoujh/java/apache-tomcat7/webapps/solr.war" debug="0" crossContext="true" >
? ?<Environment name="solr/home" type="java.lang.String" value="/home/zhoujh/java/apache-tomcat7/solr" override="true" />
</Context>
然后在tomcat的bin目录下执行./startup.sh，启动tomcat
在地址栏访问http://localhost:8080/solr/
将会出现solr欢迎界面和admin入口
注：如果出现org.apache.solr.common.SolrException: Error loading class 'solr.VelocityResponseWriter' 异常，最简单的解决方法：找到$TOMCAT_HOME/solr/conf/solrconfig.xml，把<queryResponseWriter name="velocity" enable="${solr.velocity.enabled:true}"/>注释掉或者enable:false即可。如果一切顺利的话，现在可以看到solr的web管理界面了。不过要想实现分词的功能，得安装一个中文分词器，这里推荐IKAnalyzer或mmseg4j。
IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包，采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力，采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。优化的词典存储，更小的内存占用。支持用户词典扩展定。
mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法(http://technology.chtsai.org/mmseg/?)实现的中文分词器，并实现 lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。MMSeg 算法有两种分词方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四个规则过虑。官方说：词语的正确识别率达到了 98.41%。mmseg4j 已经实现了这两种分词算法。
三. 配置中文分词器
下面分别安装这两个中文分词器，当然选择安装其中一个也是可以的。
（1）安装IKAnalyzer
下载地址：
?添加一个索引字段field，并应用上面配置的fieldtype
然后找到这一句：<defaultSearchField>text</defaultSearchField>把它改成<defaultSearchField>game_name</defaultSearchField>
在浏览器打开http://localhost:8080/solr/admin/analysis.jsp，就可以进行分词处理了。
IKAnalyzer添加自定义分词词典：词典文件格式为无BOM的UTF-8编码的文本文件,文件扩展名不限，一次可以添加多个词库，每个词库以";"分开。把IKAnalyzer目录下的IKAnalyzer.cfg.xml和stopword.dic拷贝到$TOMCAT_HOME/webapps/solr/WEB_INF/classes目录下，可以自己新建一个mydic.dic文件，然后在IKAnalyzer.cfg.xml里进行配置。
（2）安装mmseg4j
?注意：dicPath的值改成你自己机器上相应的目录。
然后修改之前添加的filed，让其使用mmseg4j分词器
?配置mmseg4j分词词典：MMSEG4J的词库是可以动态加载的，词库的编码必须是UTF-8，mmseg4j 默认从当前目录下的 data 目录读取上面的文件，当然也可以指定别的目录，比如我就放在自定义的dict目录下。自定义词库文件名必需是 "words" 为前缀和 ".dic" 为后缀。如：/data/words-my.dic。
这里直接把mmseg4j/data目录下的所有.dic文件拷贝到$TOMCAT_HOME/solr/dict目录下。共有：4个dic文件，chars.dic、units.dic、 words.dic、 words-my.dic。下面简单解释一下这几个文件的作用。
1、chars.dic，是单个字，和对应的频率，一行一对，字在全面，频率在后面，中间用空格分开。这个文件的信息是 complex 模式要用到的。在最后一条过虑规则中使用了频率信息。
2、units.dic，是单位的字，如：分、秒、年。
3、words.dic，是核心的词库文件，一行一条，不需要其它任何数据（如词长）。
4、words-my.dic，是自定义词库文件
在浏览器打开http://localhost:8080/solr/admin/analysis.jsp，就可以看到分词效果了。
现在，这两种分词方法都已配置好了，想用哪种就把查询的filed的type设置成哪种。
四. 导入文档数据
现在添加文本搜索的功能，首先导入数据源。
切换到/home/zhoujh/java/solr/apache-solr/example/exampledocs目录下，该目录下有很多xml文件，随便copy一个，改名位game_data.xml。如：cp hd.xml game_data.xml，修改内容如下：
??不过在现实工作中，一般利用数据库作为数据源，下面我们来配置solr连接数据库源。
五. solr从数据库导入数据
（1）安装mysql，
安装完后执行以下命令：启动mysql服务，进入mysql，创建数据库kw_game，创建表game，导入数据
?注： deltaImportQuery、deltaQuery:增量更新时用到，因为在schema.xml中已经有game_name和id字段了，只需在schmema.xml添加add_time字段，格式为date或者string。
在浏览器输入下面两个地址，导入数据创建索引。
更新全部：
六. 配置多个实例
最后简单介绍一下如何配置多个实例，编辑$TOMCAT_HOME/solr/solr.xml
此时访问的时候必须得在solr后加上各实例的名称
http://localhost:8080/solr/game/admin
http://localhost:8080/solr/game2/admin
?
