白话Programming

    前一篇文章介绍了如何定义Solr的Schema，有了数据的结构定义，下来我们就来看看如何写入数据吧。 将文档数据写入到Solr有很多种方式, 你可以使用xml文档，json文档，csv文档，对于这三种方式，你可以在Linux下使用curl方便的导入数据，比如使用xml文档，你可以这样写：

    添加xml文档

   curl http://localhost:8983/solr/update?commit=true -H "Content-Type: text/xml" --data-binary '<add><doc><field name="id">testdoc</field></doc></add>' 

   添加json文档

  curl http://localhost:8983/solr/update/json -H 'Content-type:application/json' -d ' [ {"id" : "TestDoc1", "title" : "test1"}, {"id" : "TestDoc2", "title" : "another test"} ]' 

   当然，你还可以使用DIH（DataImportHandler，这是Solr的一个处理器，用来从其他的异构系统批量导入数据）。

   在windows下如果想要导入文件，可以使用文档例子目录下（example\exampledocs）的Post.jar程序来导入文档，在我们搭建好Solr的环境以后，系统里面还没有任何的文档数据，现在我们就试着使用post.jar程序来导入文档，你可以使用命令行（cmd程序），进入到solr的文档例子目录 （example\exampledocs ），然后输入 java -jar post.jar *.xml ,输入完成后回车，数据就导入到了Solr中。现在我们就可以通过Solr的statistics页面来查看是否已经导入数据，如下图：

从图中看到，我们已经导入了17个文档。如果你想查看导入的文档的内容，可以在Solr Admin首页（http://localhost:8983/solr/admin/）的Qeury string中输入"*:*",然后点击Search按钮，你就可以看到我们刚刚导入到系统中的前10个文档的内容。

  上面介绍了几种文档的导入方法，DIH相对比较复杂一点，我们后边专门来讲，除此以外的几种方法，如果测试功能时用一下还好，如果正式的生产环境不可能这样的来做，这时我们就需要一些功能强大一些的客户端，方便我们将Solr的功能引入自己的系统。我们可以访问http://wiki.apache.org/solr/IntegratingSolr这个页面，这个页面上列出来各种应用程序环境中可以使用的客户端，比如Java应用程序可以使用SolrJ，Python可以使用SolrPython，Javascript 可以使用 ajax Solr，而对于.net而言，我个人觉得Solrnet是个不错的选择，后续的文章我也会选择使用Solrnet作为演示用的客户端。下一篇文章我会专门讲一下Solrnet的使用。

    上一篇文章介绍了Solr的管理界面，使用这个管理界面我们我们可以方便的了解现在Solr的运行情况，也可以查看目前的系统是如何配置的，你甚至可以通过它做一些测试和调试，但是也仅止于此，系统的配置你还必须通过各种各样的配置文件。要使Solr可以处理我们自己的文档，第一步要做的就是配置Schema。

Schema是Solr业务逻辑的核心，一个文档包含哪些字段，字段是否被索引，如何索引，如何被查询都在Schema中定义。我们可以在Solr的conf目录下找到schema.xml这个文件，这个文件中就是Schema的定义。需要注意的是一个Solr的实例只能有一个Schema。Schema的定义很像是数据库中的一张表，你在表里面定义字段，比如text字段，数据类型是nvarchar这样。不同的是，在数据库里面，你只能使用系统预设的字段类型来定义字段，而在Solr的schema中你不但可以定义字段，而且还可以定义自己的字段类型，并且定义字段类型往往是最重要的。

我们可以浏览一下这个schema文件，在<types>节点中的所以内容都是字段定义，这些字段类型一块一块的被定义，在每一块的上边有很详细的定义。对于每行一个定义这样的简单字段类型基本上是Solr的基本数据类型，一般来说你不需要去修改它，这些字段的omitNorms attribute都是true，也就是说他们不会被用来分析，只用来存储数据。如果想要更快的范围查询，请考虑使用t前缀的字段类型。我们来看看下面的一段字段定义的配置：

需要分析的字段类型一般是这样的，name指定了字段类型的名称，就像是数据库的nvarchar这样的名字一样。class指明这个类型对应的是什么的java数据类型，在字段定义中你可以定义分析器，分析器有两种，索引分析器和查询分析器，对于每个字段类型，你只能指定一个查询分析器和一个索引分析器。分析用来对字段的内容进行分词，过滤，转换等等，我们可以看到在分析器的节点内定义了一系列的处理步骤，这些步骤是有序的。从分析器的类型也就可以直观的了解到，索引分析器用于建立索引时，查询索引器用于查询时。如果字段类型仅指定了一个分析器，并且没有指定类型，说明索引和查询都使用这个分析器。

   有了字段类型，我们就可以定义需要处理的文档的所具有的字段了。我们可以看到，在schema文件中本身已经定义了很多的字段，它们都位于<fields>节点内。这些字段是为例子数据文档准备的，如果你需要的处理文档足够简单并且本身是英文的，那么你甚至都不需要修改Schema文件，直接利用这些字段就可以了。当然只是偷懒的做法，如果用于练习是足够了，如果用于生产环境，还是把不需要的字段删掉吧。删除的时候注意，不要把dynamicField的内容删掉了，这些dynamicField是又特殊含义的，他们的名字都像name="*_i"一样有个"*_"的前缀。如果你不想在schema中定义这个字段又想存贮这个字段的值，那么在向Solr传地文档内容的时候，把字段名名为"_i"后缀，那么字段的值就会按<dynamicField name="*_i"  type="int"    indexed="true"  stored="true"/>定义的动态字段的属性来存储，同样的道理，查询也是一样的。在字段定义时，你可以指定几个attribute，那么当时是指字段的名字，type指定的是字段的类型，字段的类型当然指的就是前面定义的类型，这个类型决定了该字段的内容如何被索引和查询，indexed是个布尔值，指示该字段是否被索引，stored指示该字段的内容是否被存储，如果你的查询只是返回是否命中，并不返回字段的内容或者高亮内容中的某些部分的，可以将该属性的值设定为false，multiValued指示该字段是否存储多个值。

            defaultSearchField用来指定，如果查询时没有指定字段名称时查询哪个字段的索引值。

    solrQueryParser 指示如果查询中包含了两个term，并且没有指定逻辑运算符的时候我们默认用什么逻辑运算符，一般来说我们都会默认是OR。

    上边就Schema的定义了， 后边我写Solr处理中文文档的时候，会稍微详细的再介绍一下这个部分，如果你处理的只是英文文档的话，类型基本不用修改了，只用定义自己需要的字段就可以了。

       昨天这个系列开篇了，今天就趁热打铁吧。有一点要注意的是，一开始我是在64位的Windows 7上的Tomcat中部署Solr的，在使用过程中发现非常的不稳定，经常添加两个文档或者是查询一两次后，tomcat就崩溃了，让我对Solr的稳定性很是担忧，又来部署到虚拟机中的CentOS上，非常的稳定又高效。在Windows 7上为什么不稳定，我没有去分析，可能是因为各个组件的版本间的问题吧。如果哪位同学希望在Tomcat中部署Solr，请参考《Solr with Apache Tomcat》或者《在tomcat上部署solr 》。如果使用Tomcat，一定不要忘记在server.xml文件中connector节点中添加URIEncoding="UTF-8"，否则你在做中文检索的时候就会出问题。

     现在环境已经搭建了好，我们通过http://localhost:8983/slor/admin地址来访问Solr的管理页面，如下：

      简要的介绍一下这个管理界面吧，首先是Schema，点击这个链接可以看到Solr的conf目录下的schema.xml文件的内容，从这里看到的内容和从Schema Browser链接里看到的内容是一致的，只是形式不同，SCHEMA BROWSER看到的更友好一些，儿SCHEMA里看到的就是原本的schema.xml的文本。在这两个地方你都不能修改里面的内容。Schema文件定义了Solr里面存储的文档的字段类型以及字段，这个我们后边会详细讲。

    ANALYSIS这个链接是用来帮助你开发和调试的,如下图：

    在这里你可以很方便的测试你定义的字段类型以及字段是否正确，你指定字段，然后在Field Value（Index）中放入你期望分析的文档内容，在Field  Value（query）中放入你期望检索的词，点即Analyze按钮，下边就会出现文档是如何进行分词的，然后你检索的词命中的话就会高亮显示。这个工具对于我们进行字段定义，配置是很有用的。

    STATISTICS,顾名思义就是统计信息，在这里你可以看到在Solr里面索引了多少文档，各种Handler的处理情况，比如搜索处理器，每秒钟处理多少个响应，每个响应使用了多长时间，还有Cache的使用情况，比如林林种种的Cache是如何设置的，Cache的命中率如何，命中次数如何，自热的次数以及自热的用时等等，这些信息对日后的性能调校是又很大的用处的。

    INFO的用处不太大，从这里面你可以看到Solr内部的这个种Handler是如何配置的。

    Distribution 是用来查看Solr的分布式设置的，从这里你可以看到当前的Solr实例是Master Server还是Slave Server，系统是如何分布的。分布式正是Solr的强大之处，利用这些特性你可以很方便的Scale up或者Scale out你的系统。

    在LOGGING里，你可以设定哪些日志是需要输出的。

    最后介绍一下管理界面中的一个重要的组成部分，就是Make a Query,如果你仅仅只是想看看现在solr里面是否能检索到某个词，就可以直接在这里输入，然后查看结果，比如输入“text:lucene”,就是查询在text字段的内容中包含lucene这个单词的文档。这里能使用的功能十分有限，相当于仅仅只发送给Solr了q参数的内容。如果你想使用更复杂的查询，那么点击Make a Query 右边的FULL INTERFACE，会出现下边的界面：

     不要被这个FULL INTERFACE给忽悠了，以为这就是Solr全部的查询功能，其实，除了debug参数，这里面不过依次列出了q，fq，start，rows，fl，qt，hl，hl.fl参数，二实际上lucene/Solr提供的的查询参数是数倍于这些。所以这个应付简单的查询还可以，复杂的查询，可以通过查询结果的地址栏手动修改吧，如下图：

     好了，天色已晚，今天就写到这里吧，接下来讲解schema的定义

换了个工作单位，也就换了从事的项目的业务类型。新的项目中要需要使用全文检索功能，由于项目是基于SQL server的应用，所以旧的设计也就使用了SQL server的Full-text Search Engine来实现全文检索功能。在使用SQL server 的全文检索功能的过程中，发现有很多的问题不能很好的解决，比如Cache,一般来说，对于SQL server的缓存也就是执行计划的缓存和查询结果的页面缓存，远远不够，而且也很难根据自己的业务需要去调整缓存的参数。另外对于多语言的分词算法问题，SQL server虽然内置了50多种语言的支持，但是都不够完美，如果自己想要进行替换，应该是很困难的。还不支持Highlighting，还有现在应用很广泛的Faceting以及Field Collapsing。客户推荐我们使用一下Solr来改进全文检索功能，所以我就花了些时间来研究了下Solr，并打算写一些文章总结一下Solr的使用，也希望对各位同学有帮助吧。

    唧唧歪歪说了一堆，现在就进入正题吧 。

首先介绍一下Solr是什么。要说Solr，先说说Lucene。Lucene是Apache基金会一个全文检索库类库的项目，这个项目的开源的，这个类库是使用Java开发的，功能非常强大，如果大家感兴趣可以去看看http://lucene.apache.org/.当然这个类库也有几个其它语言的实现，比如Python，也有.net的叫做lucene.net，不过因为社区活跃度不高，Apache基金会已经不再赞助这个子项目了。 如果哪位同学希望把全文检索的功能集成在自己的系统里面，或者扩展luence的全文检索功能，那应该好好学学Lucene。如果你只想使用全文检索，对底层的算法和逻辑既不想研究也不想干预，那么Solr可能是一个更好的选择。简单的说，Solr就是使用Lucene库实现的一个http服务，当然他也做了很多的扩展。你可以将Solr部署在任何一个Java Serverlet容器里，比如Tomcat，Jetty。你可以通过RESTful的url就可以和Solr进行通信，进行文档的indexing和检索。这样一来，易用性就得到大大的提升，因为不管你的项目是基于什么操作系统平台的，使用什么语言开发的，只要你能和http服务器进行通信，就能非常简单快捷的在你的项目中实现全文检索功能。如果要更加详细的谅解Solr的相关信息，请访问：http://lucene.apache.org/solr/

接下来我们需要下载和部署Solr。从 http://mirror.bjtu.edu.cn/apache//lucene/solr/这个页面里选择下载最新的版本，目前是3.5.0，刚刚出炉的。在安装前有几个准备工作要做。Solr是用Java实现的，所以毫无疑问Java的虚拟机是要的，不管你是在Window上安装，还是在Linux上安装，点击这里下载JDK，安装完JDK别忘了检查JAVA_HOME环境变量是否设置了。另外，如果你打算使用Tomcat的话，那就得先安装Tomcat，点击这里了下载。其实在实践和练习的时候是用Jetty是比较方便的。如果你在windows上使用Solr，那么把刚才下载的Solr文件包加开，使用dos 命令行控制台进入example目录，输入java -jar start.jar,然后回车，如果没有什么异常信息，Solr就启动起来了。现在你打开浏览器，输入http://localhost:8983/solr/admin/，就可以进入Solr的管理控制台了，如下图

简单的安装已经完成，可以进行文档索引和查询了。

今天的开篇就到这里吧，算是准备了一个环境。后续我会写一系列文章来介绍Solr的使用。

在提供一些对大家准备环境有帮助的信息：

Solr client for .Net --google code上的项目，项目的负责人很积极，如果你提交了Issue或者Defect，他会持续的关注和反馈。