当前访客身份:游客 [ 登录  | 注册加入尚学堂]
直播

我来了!

拥有积分:4038
尚学堂雄起!!威武。。。

博客分类

笔记中心

课题中心

提问中心

答题中心

解答题中心

一、Solr综述

我来了! 发表于 2年前 (2014-10-13 10:12:13)  |  评论(0)  |  阅读次数(533)| 1 人收藏此文章,   我要收藏   

什么是Solr搜索

我们经常会用到搜索功能,所以也比较熟悉,这里就简单的介绍一下搜索的原理。

当然只是介绍solr的原理,并不是搜索引擎的原理,那会更复杂。

流程图

这是一个非常简单的流程图:

User:即需要搜索的用户。

Raw Data:需要搜索的内容,当然是源数据,可能是文本文件,可能是数据库的数据,可能是XML等等。

Index:有格式的数据。

 

其实从图中可以看出来:

  1. Solr搜索非常类似于读写数据库的过程。
  2. Solr搜索最主要的两个问题(细节已经封装好):
    1. 怎样从元数据合理组织格式化成Index
    2. 怎样根据关键字从Index中调取相关数据(排序、模糊查询等等)。

 

类比一下,Index就相当于数据表,里面有很多记录,我们需要做的就是设计数据表的格式,有哪些列。并且根据关键字搜索。

Solr综述

Solr其实是一个WebApp,在官网下载后将war包放在web'容器下便可以直接运行,你自己的web项目通过HTTP请求的方式和Solr交互。当然需要现在Solr中生成索引库(类似不同的数据表)。HTTP请求中带有相关参数(关键字、需要搜索的索引库、排序规则….)。那么想爱先简单介绍下一些相关的概念:

索引Index,文档Docements,域Fields

Solr中数据最小单元为Field,比如Name、Age。Documents是一个具体的对象,如人。举例说明:Edwin是一个人,那么可以将Edwin抽象为一个Document,这个Document包含很多Fields,Name、Age、Sex….。一个索引库Index由许多Documents组成。

Index(Student) ß Docements(Edwin、AngelaBaby…) ß Fields(Name、Age…)

是不是很像数据库的模型? 其实完全可以把这个理解为数据库… 并且Index还真的有主键的概念,叫做Unique Field。

 

查询Query

上面解决了数据格式化成Index的问题,那么还剩下怎样根据关键字查询搜索结果的问题,先举个例子:

http://localhost:8983/solr/Artist/select?q=Artist_Name:周杰伦 &wt=json&indent=true

这就是web项目和Solr交互的一个Url

Localhost:8983/solr 这个事Solr项目

Artist是索引库Index

q=Artist_Name:周杰伦

        q代表Query 意思是查询Artist_Name为周杰伦的数据

wt=json 指结果按照Json形式返回

indent=true 返回的数据格式化(也就是好看一点~)

 

通过这一个简单的请求,即可以明白Solr请求的一个基本过程了,有什么需求加什么参数,之后Solr解析请求,根据自己的匹配规则,一个很复杂的公式,计算所有Documents的得分,得分高的优先返回。最后Web项目获得得到搜索结果,格式化输出。

 

 

两个重要的文件

Schema.xml

这个文件其实就是对Index的配置,包括Field的类型,Unique Field,分词等等。

先看看整体结构:

  1. <schema name="SpaceVideo" version="1.1">
  2.   <schema name="Artist" version="1.1">
  3.    <fieldtype name="string" class="solr.StrField" sortMissingLast="true" omitNorms="true"/>
  4.    <fieldType name="long" class="solr.TrieLongField" precisionStep="0" positionIncrementGap="0"/>
  5.    <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/>
  6.   <field name="Artist_ID" type="int" indexed="true" stored="true" multiValued="false" required="true"/>
  7.    <field name="Artist_Name" type="text_ik" indexed="true" stored="true"/>
  8.    <field name="Artist_Name_Exact" type="string" indexed="true" stored="true" />
  9.    <field name="Artist_NickName" type="text_ik" indexed="true" stored="true"/>
  10.    <field name="Artist_SpaceID" type="long" indexed="true" stored="true"/>
  11.    <field name="Artist_Piclink1" type="string" indexed="false" stored="true"/>
  12.    <field name="Artist_Piclink2" type="string" indexed="false" stored="true"/>
  13.    <field name="Artist_Piclink3" type="string" indexed="false" stored="true"/>
  14.    <field name="Artist_PinYinInitial" type="text_general" indexed="true" stored="true"/>
  15.    <field name="Artist_IconNo" type="string" indexed="false" stored="true"/>
  16.    <field name="Artist_AuthDes" type="string" indexed="false" stored="true"/>
  17.    <field name="Artist_NameQP" type="text_general" indexed="true" stored="true"/>
  18.    <field name="Artist_SongNum" type="int" indexed="true" stored="true"/>
  19.    <field name="Artist_MVNum" type="int" indexed="true" stored="true"/>
  20.    <field name="Artist_CategoryID" type="string" indexed="true" stored="true"/>
  21.    <field name="Artist_MobilePic" type="string" indexed="true" stored="true"/>
  22.    <field name="Artist_Showing" type="string" indexed="true" stored="true"/>
  23.  
  24.    <copyField source="Artist_Name" dest="Artist_Name_Exact" />
  25.  <!-- field to use to determine and enforce document uniqueness. -->
  26.  <uniqueKey>Artist_ID</uniqueKey>
  27.  
  28.  <!-- field for the QueryParser to use when an explicit fieldname is absent -->
  29.  <defaultSearchField>Artist_ID</defaultSearchField>
  30.  
  31. <!-- Chinese -->
  32.    <fieldType name="text_ik" class="solr.TextField">
  33.         <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
  34.         <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
  35.    </fieldType>
  36.  
  37.  <!-- SolrQueryParser configuration: defaultOperator="AND|OR" -->
  38.  <solrQueryParser defaultOperator="OR"/>
  39. </schema>

 

 

FieldType代表Field的类型,可以自定义也可以使用Solr提供的Type,具体支持的Type可以参考Solr文档,其中需要稍微解释一下的是string,实现的class是solr.StrField,string的意思是将Field当成字符串,那么如果在搜索时,不会进行分词。只能整体匹配,例如将ArtistName设置为string,那么当搜索周杰伦的时候,只有ArtistName完全和周杰伦相同才会被匹配,周杰,周杰伦你好…这些都不会匹配,这个在精确查找时很有用。

Unique Field :其实是主键的意思,就是说在所有的Documents中被设置成Unique的Field只能有唯一值。当然在Index生成的时候,不用去重,Solr并不会报错,比如向Solr输入

ID:1 Name:张三

ID:1 Name:李四

如果ID为Unique Field,那么Solr可能会根据先后顺序,只会存储一个ID为1的Document,剩余重复ID的Document会被忽略。

Field中还有很多属性:

        Name和Type就不说了

        Indexed:表示此Field是否索引,意思就是能否被搜索到,如果ArtistName设置为false,那么搜索ArtistName=周杰伦是没有结果的。

        Stored:表示此Field是否被存储。

        multiValued:表示此Field能否有多值,即ArtistCategory可以有多个值:如原创歌手、华语男歌手等等。默认false,Unique Field必须显式设置为false。

        Required:表示此Field是否能为空,默认false,Unique Field必须设置为true。

  1. <copyField source="Artist_Name" dest="Artist_Name_Exact" />

这是一个很有用的东西,从名字就能看出来是赋值Field,最大的作用便是可以让一个Field有多个不同的Type。

比如ArtistName一个可以设置为text_ik(分词器,可以看我的博客:三、Solr多核心及分词器(IK)配置)

一个设置为string

那么模糊搜索时,可以使用Artist_Name,精确搜索时使用Artist_Name_Exact。

 

 

Solrconfig.xml

Scheme.xml是对索引库中Documents的配置,那么solrconfig就是对索引库的整体配置。配置requestHandler,有点类似于filter,就是在请求前后对请求进行预处理。这个之后碰到具体情况再具体分析,因为一般情况下设置好了之后,极少需要改动此文件。

 

总结

    其实我个人使用Solr后觉得,如上面画的简单的流程图,最重要的两个问题:

  1. 查询条件

    查询哪些Field,用什么方式查询,什么排序,比如按照更新时间排序,还是在搜索歌曲时HQ、SQ优先等等,主要用到了Url参数、solrconfig中的requestHandler。

  2. Index的设计

    这是重中之重,我觉得大部分情况下应该都是使用solr从数据库中读取数据生成索引,这就要求原来的数据库设计就要比较合理,如果原来的数据库比较乱,那么就需要大量的SQL将表联结等等操作,并且出错的概率也高。

分享到:0
关注微信,跟着我们扩展技术视野。每天推送IT新技术文章,每周聚焦一门新技术。微信二维码如下:
微信公众账号:尚学堂(微信号:bjsxt-java)
声明:博客文章版权属于原创作者,受法律保护。如果侵犯了您的权利,请联系管理员,我们将及时删除!
(邮箱:webmaster#sxt.cn(#换为@))
北京总部地址:北京市海淀区西三旗桥东建材城西路85号神州科技园B座三层尚学堂 咨询电话:400-009-1906 010-56233821
Copyright 2007-2015 北京尚学堂科技有限公司 京ICP备13018289号-1 京公网安备11010802015183