solr-1.4.1 环境配置

solr-1.4.1 环境配置：


Solr是一个apache名下很好用的开源索引、搜索工具，网上的资料虽多但很杂，笔者花了一天的时间对Solr进行了较为初步的研究，对Solr的基础应用做了一定的总结。文中涉及到的配置方法并不唯一，API的用法也未必规范，仅希望能够通过此文让大家对solr更快的入手。
 
一、Solr的安装环境与配置：
 
1、  下载所需软件，安装配置Tomcat
首先下载Tomcat与Solr，Tomcat可在各软件网站下载得到，Solr下载地址如下：
http://mirror.bjtu.edu.cn/apache/lucene/solr/1.4.1/apache-solr-1.4.1.zip
Tomcat按照安装流程进行即可，本文中Tomcat安装在X盘下，设置监听端口时改为8983（默认为8080），当然也可以在配置文件中修改，路径为X:\Tomcat 6.0\conf\server.xml，并添加编码格式为UTF-8以使得Solr能够正确解析url递送的查询要求。
 
<Connector port="8983" protocol="HTTP/1.1" connectionTimeout="20000"
           redirectPort="8443" URIEncoding="UTF-8"/>
 
2、构建文件目录
将apache-solr- 1.4.1.zip解压到某文件夹，目录如下图所示：


在X盘下建立目录solr，将解压文件中的example文件夹下的内容全部拷贝到solr中，此时solr文件夹下会有一个名为webapps的空文件夹，将解压文件夹中的dist文件夹下的apache-solr-1.4.1.war文件拷贝到webapps中，重命名为solr.war。
 
3、配置Solr工作环境
在Tomcat中注册Solr。在X:\Tomcat 6.0\conf\Catalina\localhost下（目录不存在则手工建）创建配置文件solr.xml，内容为：
 
<Context docBase="X:/solr/webapps/solr.war" reloadable="true" > 
       <Environment name="solr/home" type="java.lang.String" value="X:/solr/solr" override="true" /> 
</Context>
 
docBase为网页发布内容，Environment为solr的配置环境。
 
4、配置索引数据格式
在X:\solr\solr\conf当中有schema.xml文件，可以配置索引数据格式。scheme.xml虽然较长但注释丰富，而且大部分内容属于数据类型的定义，我们只需要在<fields> 、</fields>标签之间添加自己的数据即可。当然，我们也可以自定义类型。
以样例中的第一个字段为例：
<field name="id" type="string" indexed="true" stored="true" required="true" />
类型为string，需要索引，需要存储，是一个不可为空的字段，简单易懂。
 
其他配置如下:
 
<uniqueKey>id</uniqueKey>
配置整个索引中唯一的键值，用来区分不同的索引条目。
 
<defaultSearchField>text</defaultSearchField>
默认的搜索字段，如果在搜索时不特殊指定字段，则会搜索这一字段。
     
<solrQueryParser defaultOperator="OR" />
搜索时对同一字段不同关键字的处理方法，根据项目需要选择“与”或者“或”。
 
<copyField source="cat" dest="text" />
<copyField source="name" dest="text" />
…………
默认搜索字段较多时可以这样设置，如果只有一个字段待搜索，那么只需在defaultSearchField中配置。
 
5、运行solr
启动Tomcat，访问http://localhost:8983/solr/admin/ 即可见到主页，从上至下共三部分，配置状态、查询与帮助链接。
http://localhost:8983/solr/admin/analysis.jsp 页面可以考察分词器的工作情况；
http://localhost:8983/solr/admin/form.jsp 页面可以模拟搜索请求构建请求url。
在solr配置完毕后第一次启动Tomcat时，Tomcat中会出现很多新的文件及文件夹。在Tomcat下会出现一个solr文件夹，那里用来存放索引；在Tomcat的webapps文件夹下也会出先一个solr文件夹，存放web工程；在Tomcat的logs文件夹下会出下catalina开头的日志文件，我们可以查找solr的载入异常以及索引与查询的url记录。
 
6、添加索引
在Tomcat与Solr开启的情况下，我们可以添加索引。进入X:\solr\exampledocs文件夹我们可以看到很多xml文件，以及post.jar文件，这里就是用来储存xml格式的待索引文件的地方。打开solr.xml我们可以看到：
 
 <add>
       <doc>
              <field name="id">SOLR1000</field>
              <field name="name">Solr, the Enterprise Search Server</field>
              <field name="manu">Apache Software Foundation</field>
…………
              <field name="incubationdate_dt">2006-01-17T00:00:00.000Z</field>
       </doc>
 </add>
 
add标签表明这是要添加一个索引（其他标签参考solr的文档或者solr wiki），各个字段均有数据，请注意最后一行date类型的数据，与java中的不同。
 
那么怎样能够将这个xml传送到solr进行索引呢，这就要用到post.jar。开启命令行，进入post.jar所在文件夹，运行：
 
java -Durl=http://localhost:8983/solr/update -Dcommit=yes -jar post.jar *.xml
 
程序运行成功索引便被加入。添加索引还可以通过solr提供的java接口solrj编程实现，在下面我们会讲到。
索引添加成功之后便可以通过上面提到的solr网页接口进行搜索测试。
 
7、添加中文分词
笔者使用的是IKAnalyzer的最新版本IKAnalyzer3.2.5Stable.jar，对Solr提供了较好的支持，可以在各软件网站或CSDN较容易的搜索到。使用时将IKAnalyzer3.2.5Stable.ja放置在X:\Tomcat 6.0\webapps\solr\WEB-INF\lib文件夹下。
由于Solr默认选用的是lucene相应版本自带的分词器，所以要修改配置才能转换为IKAnalyzer。同样是修改X:\solr\solr\conf下的schema.xml文件，修改部分用红色标示出：
 
<fieldType name="text" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
              <tokenizer class="org.wltea.analyzer.solr.IKTokenizerFactory" isMaxWordLength="false" />
              …………
       </analyzer>
<analyzer type="query">
              <tokenizer class="org.wltea.analyzer.solr.IKTokenizerFactory" isMaxWordLength="true" />
              …………
       </analyzer>
</fieldType>
 
分词器均为IKAnalyzer自带的支持solr的IKTokenizerFactory，在索引时不按照最大匹配进行分词，而在搜索时按照最大匹配进行分词。
IKAnalyzer也支持用户自定义词典。首先在X:\Tomcat 6.0\webapps\solr\WEB-INF\下建立classes文件夹，在classes文件夹中新建IKAnalyzer.cfg.xml文件，内容为：
 
  <?xml version="1.0" encoding="UTF-8" ?>
  <!DOCTYPE properties (View Source for full doctype...)>
<properties version="1.0">
       <comment>IK Analyzer 扩展配置</comment>
       <entry key="ext_dict">/mydict.dic</entry>
       <entry key="ext_stopwords">/mystopword.dic</entry>
  </properties>
 
mydict.dic为自定义分词词典，mystopword.dic为自定义停词词典，dic文件应当被保存为UTF-8格式，首行为空行，每个词占一行。dic文件的存放位置也是classes目录。