Solr使用入门指南 （二）

solr的使用属性及配置文件

一、配置文件与属性讲解

Document包括一个或多个 Field。Field 包括名称、内容以及告诉 Solr 如何处理内容的元数据。

例如，Field可以包含字符串、数字、布尔值或者日期，也可以包含你想添加的任何类型，只需用在solr的配置文件中进行相应的配置即可。Field 可以使用大量的选项来描述，这些

选项告诉Solr 在索引和搜索期间如何处理内容。

现在，查看以下图片中列出的重要属性的子集：

在这就先提一下solr的重要文件之一，就是schema.xml的配置文件。

（一） schema.xml

schema.xml这个配置文件可以在你下载solr包的安装解压目录的\solr\example\solr\collection1\conf中找到，它就是solr模式关联的文件。

打开这个配置文件，你会发现有详细的注释。模式组织主要分为三个重要配置：

一、Fieldtype

Fieldtype：就是属性类型的意思，像int，String，Boolean种类型，而在此配置文件中，FieldType就有这种定义属性的功能，看下面的图片：

图片上有我们熟悉的int，String，boolean，那么，后面的配置，是什么呢？那么我们就来介绍一下后面的参数：

二、Field

Field：是添加到索引文件中出现的属性名称，而声明类型就需要用到上面的type，如图所示：

备注：

•field:固定的字段设置；

•dynamicField:动态的字段设置,用于后期自定义字段,*号通配符.例如: test_i就是int类型的动态字段。

还有一个特殊的字段copyField,一般用于检索时用的字段这样就只对这一个字段进行索引分词就行了copyField的dest字段如果有多个source一定要设置multiValued=true,否则会报错的。

在Field里也有一些属性需要了解，看图：

三、其他配置

           uniqueKey:唯一键，这里配置的是上面出现的fileds，一般是id、url等不重复的。在更新、删除的时候可以用到。

          defaultSearchField:默认搜索属性，如q=solr就是默认的搜索那个字段

          solrQueryParser:查询转换模式，是并且还是或者（AND/OR必须大写）

（二）solrconfig.xml

          solrconfig.xml这个配置文件可以在你下载solr包的安装解压目录的E:\Work\solr-4.2.0-src-idea\solr\example\solr\collection1\conf中找到，这个配置文件内容有点多,主要内容有:使

          用的lib配置,包含依赖的jar和Solr的一些插件;组件信息配置;索引配置和查询配置,下面详细说一下索引配置和查询配置.

一、索引indexConfig

          

           Solr 性能因素，来了解与各种更改相关的性能权衡。下表概括了可控制Solr 索引处理的各种因素：

二、查询配置query

（三）加入中文分词器

          中文分词在solr里面是没有默认开启的，需要我们自己配置一个中文分词器。目前可用的分词器有smartcn，IK，Jeasy，庖丁。其实主要是两种，一种是基于中科院ICTCLAS的

          隐式马尔科夫HMM算法的中文分词器，如smartcn，ictclas4j，优点是分词准确度高，缺点是不能使用用户自定义词库；另一种是基于最大匹配的分词器，如IK，Jeasy，庖丁，

          优点是可以自定义词库，增加新词，缺点是分出来的垃圾词较多。各有优缺点看应用场合自己衡量选择吧。

          下面给出两种分词器的安装方法，任选其一即可，推荐第一种，因为smartcn就在solr发行包的contrib/analysis-extras/lucene-libs/下，就是lucene-analyzers-smartcn-4.2.0.jar,首选

           在solrconfig.xml中加一句引用analysis-extras的配置,这样我们自己加入的分词器才会引到的solr中.

            <libdir="../../../contrib/analysis-extras/lib" regex=".*\.jar"/>

 

一、smartcn 分词器的安装

           首选将发行包的contrib/analysis-extras/lucene-libs/lucene-analyzers-smartcn-4.2.0.jar复制到\solr\contrib\analysis-extras\lib下,在solr本地应用文件夹下，打开/solr/conf/scheme.xml，

             编辑text字段类型如下，添加以下代码到scheme.xml中的相应位置，就是找到fieldType定义的那一段，在下面多添加这一段就好了：

               <fieldTypename="text_smartcn" class="solr.TextField"positionIncrementGap="0"> 

02. 

03.      <analyzertype="index"> 

04. 

05.        <tokenizerclass="org.apache.lucene.analysis.cn.smart.SmartChineseSentenceTokenizerFactory"/> 

06. 

07.        <filterclass="org.apache.lucene.analysis.cn.smart.SmartChineseWordTokenFilterFactory"/> 

08. 

09.      </analyzer> 

10. 

11.      <analyzertype="query"> 

12. 

13.         <tokenizerclass="org.apache.lucene.analysis.cn.smart.SmartChineseSentenceTokenizerFactory"/> 

14. 

15.        <filterclass="org.apache.lucene.analysis.cn.smart.SmartChineseWordTokenFilterFactory"/> 

16. 

17.      </analyzer> 

18. 

19.</fieldType> 

          如果需要检索某个字段，还需要在scheme.xml下面的field中，添加指定的字段，用text_smartcn作为type的名字，来完成中文分词。如 text要实现中文检索的话，就要做如下                   

           的配置：

           <field name ="text"type ="text_smartcn" indexed ="true" stored="false" multiValued ="true"/>

 

           还有一个就是 IK分词器，因为在5.0之后才有的IKAnalyzer的jar包，这里学习用的是solr4.9版本，在这里就不多详细介绍IKAnalyzer。有兴趣的同学可以根据下面的路径下载Jar包：

     

           路径：http://ik-analyzer.googlecode.com/files/IK%20Analyzer%202012FF_hf1.zip.

          下载后解压出来文件中的三个复制到\solr\contrib\analysis-extras\lib目录中.

             IKAnalyzer2012FF_u1.jar       分词器jar包

             IKAnalyzer.cfg.xml                 分词器配置文件

             Stopword.dic                           分词器停词字典,可自定义添加内容

             复制后就可以像smartcn一样的进行配置scheme.xml了.

             

01.     <fieldType name="text_ik"class="solr.TextField"> 

02. 

03.                 <analyzerclass="org.wltea.analyzer.lucene.IKAnalyzer"/> 

04. 

05.     </fieldType> 

06. 

07.     <field name ="text" type="text_ik" indexed ="true" stored ="false"multiValued ="true"/> 

            现在来验证下是否添加成功,首先使用StartSolrJetty来启动solr服务,启动过程中如果配置出错,一般有两个原因:一是配置的分词器jar找不到,也就是你没有复制jar包到

            \solr\contrib\analysis-extras\lib目前下;二是分词器版本不对导致的分词器接口API不一样出的错,要是这个错的话就在检查分词器的相关文档,看一下支持的版本是否一样.

            如果在启动过程中没有报错的话说明配置成功了.我们可以进入到http://localhost:8983/solr地址进行测试一下刚加入的中文分词器.在首页的CoreSelector中选择你配置的Croe

             后点击下面的Analysis,在Analyse Fieldname/ FieldType里选择你刚才设置的字段名称或是分词器类型,在Field Value(index)中输入:中国人,点击右面的分词就行了。