如果不研½I¶å¼€å‘SolråQŒåªæ˜¯ä‹É用SolråQŒåªéœ€è¦å…³æ³¨Solr的以下几个方面：
1、Solr服务器的配置在solrconfig.xml中完成，包括对缓存，servlet的个性化配置½{‰ç­‰åQŒå³¾pȝ»Ÿå…¨å±€çš„配¾|®ï¼›
2、烦引方法、烦引域åQˆå­—ŒDµï¼‰½{‰ç­‰åœ¨schema.xml中完成，˜q™ä¸ªé…ç½®æ˜¯é’ˆå¯¹Solr实例的；
3、烦引数据文仉™»˜è®¤æ”¾åœ¨Solr文档根目录下的data/index目录下，˜q™ä¸ªè·¯å¾„可以通过½W?ç‚šw…¾|®ï¼ŒåŒæ—¶å¯ä»¥ž®†è¿™ä¸ªç›®å½•ä¸‹çš„文件进行复制粘è´ß_¼Œå›_¯å®Œæˆç´¢å¼•çš„复用；
4、徏立烦引的旉™—´ç›¸å½“长，我采用按词无字典索引方式å¯?G110万条中文记录˜q›è¡Œç´¢å¼•åQŒèŠ±äº†å°†˜q?个半ž®æ—¶çš„æ—¶é—ß_¼ˆå½“然˜q™ä¸ªæ—‰™—´å’Œå¾ˆå¤šå› ç´ æœ‰å…»I¼Œæœ‰å…´­‘£çš„话大家可以留­a€å’Œæˆ‘讨论åQ‰ï¼Œç›¸å¯¹è€Œè¨€åQŒåœ¨linux下徏索引旉™—´è¦æ¯”windows下快很多åQŒå¯ä»¥ä‹É用commit操作使新增烦引生效，同时注意索引的优化，索引优化也是很费资源和时间的åQŒä½†æ˜¯ä¼˜åŒ–烦引也是提高检索速度的重要方法，因此需要好好权衡这一点；
5、安装完后的Solr目录下有˜q™ä¹ˆå‡ ä¸ªæ–‡äšg夹：binæ–‡äšg多w‡Œä¸»è¦æ˜¯ç”¨äºŽå¾ç«‹é•œåƒå’Œå®Œæˆ˜qœç¨‹åŒæ­¥çš„脚本；confæ–‡äšg夹下主要æ˜?ã€?点中提到的配¾|®æ–‡ä»Óž¼›adminæ–‡äšg夹下是的主要是提供web½Ž¡ç†ç•Œé¢çš„æ–‡ä»Óž¼›
6、目前Solr1.2不具备安全性设计，没有用户¾l„及权限讄¡½®åQŒåœ¨˜q›è¡Œå…·ä½“应用旉™œ€è¦æ³¨æ„å®‰å…¨ï¼Œç›®å‰æœ€æœ‰æ•ˆçš„方法是通过应用服务器上的授权实现ã€?br /> 本文æ°æ€¹…链接åQ?a >http://www.jinsehupan.com/blog/?p=25

[Solr的安è£?/span>]Solr发行版中已经有一个ä‹É用Jetty为servlet容器的小例子åQŒå¯ä»¥ä‹É用这个例子来体验åQŒé‚£æ­£åœ¨åœ¨è‡ªå·±æƒ³éƒ¨çÖvçš„åã^台和应用服务器上该怎么一个步骤呢åQ?/span>

要开始ä‹Éç”?SolråQŒéœ€å®‰è£…以下软äšgåQ?br /> 1、Java 1.5 或更高版本；
2、Ant 1.6.x 或更高版本（用于¾~–译½Ž¡ç†Solr工程åQŒä¸ªäººæŽ¨èï¼Œå½“然可以使用eclipseåQ‰ï¼›
3、Web ‹¹è§ˆå™¨ï¼Œç”¨æ¥æŸ¥çœ‹½Ž¡ç†™åµé¢åQˆå®˜æ–¹å¾è®®ä‹É用FirefoxåQŒä½†å®žé™…没有发现和IE有什么差别）åQ?br /> 4、servlet 容器åQŒå¦‚Tomcat 5.5åQˆä¸å»ø™®®ä½¿ç”¨6版本åQ‰ã€‚本文以Tomcat åœ?8080 端口上运行äؓ例。如果运行的是其ä»?servlet 容器或在其他的端口上˜qè¡ŒåQŒåˆ™å¯èƒ½è¦ä¿®æ”¹ä»£ç ä¸­çš„URL才能讉K—®½CÞZ¾‹åº”用½E‹åºå’?Solrã€?/span>

下面开始安装配¾|®ï¼š

1、ä‹É用Ant¾~–译工程或下载示例应用程序，ž®†Solr WAR æ–‡äšg复制åˆ?servlet 容器的webapps目录中；
2、得到Solræ–‡äšg夹，以备随后ž®†å…¶å¤åˆ¶åˆ°å½“前目录，可以使用ant build得到åQŒä¹Ÿå¯ä»¥åœ¨ä¸‹è½½çš„压羃包中扑ֈ°åQŒä»¥å®ƒäؓ模板以备之后的修改；
3、可以通过以下三种方式之一讄¡½® Solr 的主位置åQ?br /> 讄¡½® java ¾pȝ»Ÿå±žæ€?solr.solr.home åQˆæ²¡é”™ï¼Œž®±æ˜¯ solr.solr.homeåQŒä¸€èˆ¬åœ¨åµŒå…¥å¼é›†æˆä¸­ç”¨å¾—多）åQ?br /> 配置 java:comp/env/solr/home 的一ä¸?JNDI 查找指向 solr 目录åQŒå¾ç«?tomcat55/conf/Catalina/localhost/solr.xmlæ–‡äšgåQŒæ³¨æ„è¿™ä¸ªxmlæ–‡äšg名将是Solr实例名称åQ?中的当前目录被指定äؓ下面中的f:/solrhomeåQŒæ–‡ä»¶å†…容如下：

1. <context docBase="f:/solr.war" debug="0" crossContext="true" >
2.    <environment name="solr/home" type="java.lang.String" value="f:/solrhome" override="true" />
3. </context>

在包å?solr 目录的目录中启动 servlet 容器åQˆé»˜è®¤çš„ Solr ä¸È›®å½•æ˜¯å½“前工作目录下的 solråQ‰ï¼›
4、最后一点就是如果有CJKåQˆä¸­æ—¥éŸ©æ–‡å­—åQ‰åº”用，出现ä¹Þq é—®é¢˜åQŒé‡‡ç”¨å¦‚下方法解冻I¼ˆå…¶å®žå·²ç»ä¸ç®—是solr配置问题åQŒè€Œæ˜¯åº”用服务器配¾|®é—®é¢˜ï¼‰åQŒä¿®æ”¹Tomcatçš„conf/server.xmlæ–‡äšg中对于端口（本文ä¸?080åQ‰çš„˜qžæŽ¥å™¨ç»Ÿä¸€èµ„源¾~–码为UTF-8åQŒå› ä¸ºSolr1.2内核支持UTF-8¾~–码åQ?/span>

1. <server ...>
2.  <service ...>
3.    <connector ... URIEncoding="UTF-8"/>
4.      ...
5.  </service>
6. </server>

[Solr分词™åºåº]Solr建立索引和对关键词进行查询都得对字串˜q›è¡Œåˆ†è¯åQŒåœ¨å‘烦引库中添加全文检索类型的索引的时候，Solr会首先用½Iºæ ¼˜q›è¡Œåˆ†è¯åQŒç„¶åŽæŠŠåˆ†è¯¾l“果依次使用指定的过滤器˜q›è¡Œ˜q‡æ×oåQŒæœ€åŽå‰©ä¸‹çš„¾l“果才会加入到烦引库中以备查询。分词的™åºåºå¦‚下åQ?br /> 索引
1åQšç©ºæ ¼whitespaceTokenize
2åQšè¿‡æ»¤è¯StopFilter
3åQšæ‹†å­—WordDelimiterFilter
4åQšå°å†™è¿‡æ»¤LowerCaseFilter
5åQšè‹±æ–‡ç›¸˜q‘词EnglishPorterFilter
6åQšåŽ»é™¤é‡å¤è¯RemoveDuplicatesTokenFilter
查询
1åQšæŸ¥è¯¢ç›¸˜q‘词
2åQšè¿‡æ»¤è¯
3åQšæ‹†å­?br /> 4åQšå°å†™è¿‡æ»?br /> 5åQšè‹±æ–‡ç›¸˜q‘词
6åQšåŽ»é™¤é‡å¤è¯
以上是针对英文，中文的除了空æ û|¼Œå…¶ä»–都类ä¼?/span>

[Solr中文应用的一个实�/span>]
1、首先配¾|®schema.xmlåQŒè¿™ä¸ªç›¸å½“于数据表配¾|®æ–‡ä»Óž¼Œå®ƒå®šä¹‰äº†åŠ å…¥ç´¢å¼•çš„数据的数据¾cÕdž‹çš„ã€?.2版本的schema.xml主要包括types、fields和其他的一些缺省设¾|®ã€?/span>

A、首先需要在types¾l“点内定义一个FieldType子结点，包括name,class,positionIncrementGap½{‰ç­‰ä¸€äº›å‚敎ͼŒnamež®±æ˜¯˜q™ä¸ªFieldType的名¿UŽÍ¼Œclass指向org.apache.solr.analysis包里面对应的class名称åQŒç”¨æ¥å®šä¹‰è¿™ä¸ªç±»åž‹çš„è¡Œäؓ。在FieldType定义的时候最重要的就是定义这个类型的数据在徏立烦引和˜q›è¡ŒæŸ¥è¯¢çš„时候要使用的分析器analyzer,包括分词和过滤。在例子中text˜q™ä¸ªFieldType在定义的时候，在indexçš„analyzer中ä‹É用solr.WhitespaceTokenizerFactory˜q™ä¸ªåˆ†è¯åŒ…，ž®±æ˜¯½Iºæ ¼åˆ†è¯åQŒç„¶åŽä‹É用solr.StopFilterFactoryåQŒsolr.WordDelimiterFilterFactoryåQŒsolr.LowerCaseFilterFactoryåQŒsolr.EnglishPorterFilterFactoryåQŒsolr.RemoveDuplicatesTokenFilterFactory˜q™å‡ ä¸ªè¿‡æ»¤å™¨ã€‚在向烦引库中添加text¾cÕdž‹çš„烦引的时候，Solr会首先用½Iºæ ¼˜q›è¡Œåˆ†è¯åQŒç„¶åŽæŠŠåˆ†è¯¾l“果依次使用指定的过滤器˜q›è¡Œ˜q‡æ×oåQŒæœ€åŽå‰©ä¸‹çš„¾l“果才会加入到烦引库中以备查询。Solrçš„analysis包åƈ没有带支持中文的包，在这里我们采用lucene里的语言包（在下载后的solr压羃包内åQŒlib目录下有一个lucene-analyzers-2.2.0.jar包，里面含有中文处理的cnå’Œcjk¾c»ï¼‰åQŒæœ‰cnå’Œcjk两个¾cÕd¯ä»¥æ”¯æŒä¸­æ–‡ã€‚我们采用cjk¾c»ï¼Œòq¶åœ¨schema.xml中加入如下配¾|®ï¼š

1. <fieldtype name="text_cjk" class="solr.TextField">
2.       <analyzer class="org.apache.lucene.analysis.cjk.CJKAnalyzer"/>
3.     </fieldtype>

支持¾cÕdž‹å®šä¹‰å®Œæˆäº†ã€?/span>

B、接下来的工作就是在fields¾l“点内定义具体的字段åQˆç±»ä¼¼æ•°æ®åº“中的字段åQ‰ï¼Œž®±æ˜¯filedåQŒfiled定义包括name,typeåQˆäؓ之前定义˜q‡çš„各种FieldTypeåQ?indexedåQˆæ˜¯å¦è¢«ç´¢å¼•åQ?storedåQˆæ˜¯å¦è¢«å‚¨å­˜åQ‰ï¼ŒmultiValuedåQˆæ˜¯å¦æœ‰å¤šä¸ªå€û|¼‰½{‰ç­‰ã€‚例如定义如下：

1. <field name="记录�/span>" type="slong" indexed="true" stored="true" required="true" />
2.    <field name="æ–‡äšgå?/span>" type="string" indexed="true" stored="true" />
3.    <field name="日期" type="date" indexed="true" stored="true" />
4.    <field name="版次" type="string" indexed="true" stored="true" multiValued="true"/>
5.    <field name="栏目" type="string" indexed="true" stored="true" multiValued="true"/>
6.    <field name="标题" type="text_cjk" indexed="true" stored="true" multiValued="true"/>
7.    <field name="作è€?/span>" type="text_cjk" indexed="true" stored="true" multiValued="true"/>
8.    <field name="正文" type="text_cjk" indexed="true" stored="true" multiValued="true"/>
9.    <field name="标记" type="text_cjk" indexed="true" stored="true" multiValued="true"/>

field的定义相当重要，有几个技巧需注意一下，对可能存在多值得字段ž®½é‡è®„¡½®multiValued属性äØ“trueåQŒé¿å…å¾ç´¢å¼•æ˜¯æŠ›å‡ºé”™è¯¯ï¼›å¦‚果不需要存储相应字ŒDµå€û|¼Œž®½é‡ž®†stored属性设为falseã€?/span>

C、徏议徏立了一个拷贝字ŒDµï¼Œž®†æ‰€æœ‰çš„全文字段复制åˆîC¸€ä¸ªå­—ŒDµä¸­åQŒä»¥ä¾¿è¿›è¡Œç»Ÿä¸€çš„检索：

1. <field name="text_com" type="text_cjk" indexed="true" stored="false" multiValued="true"/>

òq¶åœ¨æ‹¯‚´å­—段¾l“点处完成拷贝设¾|®ï¼š

1. <copyfield source="标题" dest="text_com"/>
2.    <copyfield source="正文" dest="text_com"/>

D、除此之外，˜q˜å¯ä»¥å®šä¹‰åŠ¨æ€å­—ŒDµï¼Œæ‰€è°“动态字ŒDµå°±æ˜¯ä¸ç”¨æŒ‡å®šå…·ä½“的名称åQŒåªè¦å®šä¹‰å­—ŒDµå¿U°çš„规则åQŒä¾‹å¦‚定义一个dynamicFieldåQŒnameä¸?_iåQŒå®šä¹‰å®ƒçš„type为textåQŒé‚£ä¹ˆåœ¨ä½¿ç”¨˜q™ä¸ªå­—段的时候，ä»ÖM½•ä»¥_i¾l“尾的字ŒDµéƒ½è¢«è®¤ä¸ºæ˜¯½W¦åˆ˜q™ä¸ªå®šä¹‰çš„，例如name_iåQŒgender_iåQŒschool_i½{‰ã€?/span>

2、配¾|®solrconfig.xmlåQŒç”¨æ¥é…¾|®Solr的一些系¾lŸå±žæ€§ï¼Œæ¯”较重要的一个就是可以通过更改其中的dataDir属性来指定索引文äšg的存放位¾|®ï¼Œå¯¹äºŽæœ‰å¤§æ•°æ®é‡çš„情况下还要进行自动commit操作配置åQŒä»¥ä¸‹è®¾¾|®äؓ当内存烦引量辑ֈ°20W条时自动˜q›è¡Œå¾€¼‚ç›˜å†™æ“ä½œï¼Œä»¥å…å †æº¢å‡ºï¼Œ˜q™ä¹Ÿæ˜¯è§£å†›_•ä¸ªå…¥åº“xmlæ–‡äšg最好不要超˜q?0M的有效方法：

1. <autocommit>
2.     <maxdocs>200000</maxdocs>
3.   </autocommit>

3、配¾|®å¥½˜q™äº›åŽï¼Œéœ€è¦é‡æ–°å¯åŠ¨Solr服务器ä‹É配置生效åQŒç„¶åŽå‘其中æ·ÕdŠ æ•°æ®ã€?/span>

4、添加数据是通过向服务器的update Servlet POST xml格式的数据来实现的，xml¾l“构是这æ ïLš„add中间有很多个docåQŒæ¯ä¸ªdoc中有很多个field。添加到索引库中的每条记录都必须指定唯一的数字id来唯一标识˜q™æ¡ç´¢å¼•ã€‚徏立好xmlæ–‡äšgåQˆä¾‹å¦‚solr.xmlåQ‰ä¹‹åŽï¼Œåœ¨exampledocs目录下执行：java -jar post.jar solr.xml来添加烦引数据。对于postçš„jar包，如果重新配置了应用服务器åQŒå¦‚使用了comcatåQŒç«¯å£æ”¹ä¸?080åQŒå®žä¾‹å¿U°æ”¹ä¸ºsolrx了需要重新生成相应的post.jar包进行操作ã€?/span>

另附ronghao实现中文分词的案例供大家参考：

对全文检索而言åQŒä¸­æ–‡åˆ†è¯éžå¸¸çš„重要åQŒè¿™é‡Œé‡‡ç”¨äº†qieqie庖丁分词åQˆéžå¸æ€¸é”™ï¼šåQ‰ï¼‰ã€‚集成非常的å®ÒŽ˜“åQŒæˆ‘下蝲的是2.0.4-alpha2版本åQŒå…¶ä¸­å®ƒæ”¯æŒæœ€å¤šåˆ‡åˆ†å’ŒæŒ‰æœ€å¤§åˆ‡åˆ†ã€‚创å»ø™‡ªå·Þqš„一个中文TokenizerFactory¾l§æ‰¿è‡ªsolrçš„BaseTokenizerFactoryã€?/span>

**

* Created by IntelliJ IDEA.

* User: ronghao

* Date: 2007-11-3

* Time: 14:40:59

* 中文切词 对庖丁切词的ž®è£…

*/

public class ChineseTokenizerFactory extends BaseTokenizerFactory {

/**

* 最多切�默认模式

*/

public static final String MOST_WORDS_MODE = “most-words”;

/**

* 按最大切�/span>

*/

public static final String MAX_WORD_LENGTH_MODE = “max-word-length”;

private String mode = null;

public void setMode(String mode) {

if (mode==null||MOST_WORDS_MODE.equalsIgnoreCase(mode)

|| “default”.equalsIgnoreCase(mode)) {

this.mode=MOST_WORDS_MODE;

} else if (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) {

this.mode=MAX_WORD_LENGTH_MODE;

}

else {

throw new IllegalArgumentException(”不合法的分析器Mode参数讄¡½®:” + mode);

}

}

@Override

public void init(Map args) {

super.init(args);

setMode(args.get(”mode”));

}

public TokenStream create(Reader input) {

return new PaodingTokenizer(input, PaodingMaker.make(),

createTokenCollector());

}

private TokenCollector createTokenCollector() {

if( MOST_WORDS_MODE.equals(mode))

return new MostWordsTokenCollector();

if( MAX_WORD_LENGTH_MODE.equals(mode))

return new MaxWordLengthTokenCollector();

throw new Error(”never happened”);

}

}

在schema.xmlçš„å­—ŒDµtext配置里加入该分词器ã€?/span>

1. <fieldtype name="text" class="solr.TextField" positionIncrementGap="100">

2.  

3.             <analyzer type="index">

4.  

5.                 <tokenizer class="com.ronghao.fulltextsearch.analyzer.ChineseTokenizerFactory" mode="most-words"/>

6.  

7.  

8.                 <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>

9.  

10.                     <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0"/>

11.      

12.                     <filter class="solr.LowerCaseFilterFactory"/>

13.      

14.      

15.                     <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>

16.      

17.                 </analyzer>

18.      

19.                 <analyzer type="query">

20.      

21.                     <tokenizer class="com.ronghao.fulltextsearch.analyzer.ChineseTokenizerFactory" mode="most-words"/>               

22.      

23.                     <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>

24.      

25.                     <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>

26.      

27.                     <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0"/>

28.      

29.                     <filter class="solr.LowerCaseFilterFactory"/>

30.      

31.                     <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>

32.      

33.                 </analyzer>

34.      

35.             </fieldtype>

完成后重启tomcatåQŒå³å¯åœ¨http://localhost:8080/solr/admin/analysis.jsp

体验到庖丁的中文分词。注意要ž®†paoding-analysis.jar复制到solrçš„lib下，注意修改jar包里字典的homeã€?/span>

[Solr的检索运½Ž—符]
 “:” 指定字段查指定å€û|¼Œå¦‚返回所有å€?:*²
 “?”²è¡¨ç¤ºå•ä¸ªä»ÀL„å­—符的通配
 “*” 表示多个ä»ÀL„å­—符的通配åQˆä¸èƒ½åœ¨‹‚€ç´¢çš„™å¹å¼€å§‹ä‹Éç”?或è€?½W¦å·åQ?/span>²
 “~”²è¡¨ç¤ºæ¨¡ç³Š‹‚€ç´¢ï¼Œå¦‚检索拼写类ä¼égºŽ”roam”的项˜q™æ ·å†™ï¼šroam~ž®†æ‰¾åˆ°åŞ如foamå’Œroams的单词；roam~0.8åQŒæ£€ç´¢è¿”回相似度åœ?.8以上的记录ã€?br /> ²é‚»è¿‘‹‚€ç´¢ï¼Œå¦‚检索相éš?0个单词的”apache”å’?#8221;jakarta”åQ?#8221;jakarta apache”~10
 “^”²æŽ§åˆ¶ç›¸å…³åº¦æ£€ç´¢ï¼Œå¦‚检索jakarta apacheåQŒåŒæ—¶å¸Œæœ›åŽ»è®?#8221;jakarta”的相兛_º¦æ›´åŠ å¥½ï¼Œé‚£ä¹ˆåœ¨å…¶åŽåŠ ä¸?#8221;^”½W¦å·å’Œå¢žé‡å€û|¼Œå³jakarta^4 apache
 å¸ƒå°”操作½W¦AND、||²
 å¸ƒå°”操作½W¦ORã€?/span>²&&
 å¸ƒå°”操作½W¦NOTã€?ã€?²åQˆæŽ’除操作符不能单独与项使用构成查询åQ?br />  “+” 存在操作½W¦ï¼Œè¦æ±‚½W¦å·”+”后的™å¹å¿…™åÕdœ¨æ–‡æ¡£ç›¸åº”的域中存åœ?/span>²
 ( ) 用于构成子查è¯?/span>²
² [] 包含范围‹‚€ç´¢ï¼Œå¦‚检索某旉™—´ŒDµè®°å½•ï¼ŒåŒ…含头尾åQŒdate:[200707 TO 200710]
 {}²ä¸åŒ…含范围检索，如检索某旉™—´ŒDµè®°å½•ï¼Œä¸åŒ…含头ž®?br /> date:{200707 TO 200710}
 " 转义操作½W¦ï¼Œç‰ÒŽ®Šå­—符包括+ -² && || ! ( ) { } [ ] ^ ” ~ * ? : "