solr4.8的安裝,配置,使用,搜索,推薦及見解

solr4.9發佈了，用一個網友的意思，如今solr絕壁是Firefox以外最大的版本帝。公司的solr版本是4.0，這幾天決定給升級到4.8（4.9在maven上資源還不夠），抽時間在整理下分佈式solr.
      今天先把solr4.8安裝過程寫下來，其實和4.0區別不大。
1，環境必須是tomcat7.0以上，jdk7.0以上，jre7.0以上,且配置好環境變量；
2，example\webapps 下的solr.war；
3，solr home，並配置web.xml；
4，拷貝example\lib\ext下的全部jar 到tomcat_home\webapps\solr\WEB-INF\lib下；
5，tomcat_home\webapps\solr\WEB-INF下新建一個classes文件夾，將example\resources下的log4j.properties拷貝過去；
6，啓動，bingo！


------------------------程序員的分割線-------------------------

上面的過程，能夠實現solr單核，簡單的索引，固然這個確定不是咱們想要的。咱們想要的遠遠比這個要多。首先是Multicore，從 example\multicore拷貝全部文件到solr_home下，根據solr.xml來配置，實現多核。密切注意schema.xml和 solrconfig.xml的配置，建議把schema.xml精簡，而後solrconfig對照，避免出現不存在的字段。

多核實現後，是數據庫關聯，方便對數據庫進行導入，目前4.8版本是有bug的，dataimport後頁面會一直indexing，實際上已經 完成，看不到索引數據庫的過程，可是不影響功能。實現數據庫導入，須要將contrib和dist放入solr_home下，刪掉dist下的war和文 件夾，修改solrconfig.xml以及新建指定的dataimport.xml文件，這些與以前版本沒有區別。不要忘了導入數據庫驅動到solr下 的WEB-INFO/lib裏。

4.8以後solr又發佈新的分詞接口，以前solr4.0的接口不能使用，須要中文分詞只好從新實現solr的接口，因此小夥伴們選擇一個穩定 的solr版本，短期內就不要隨意變更了，工做量不小。不過solr4.8仍是很值得升級的。目測solr5.0也很快要發佈了，觀望一個季度吧。有關 中文分詞，我採用的是ansj分詞器，開源，持續更新。方法我會另開篇章來描述。

2014年7月9日更新

加入ansj中文分詞器。
個人ansj是最新版的，我的是比較喜歡這個分詞器的，github地址在https://github.com/ansjsun /ansj_seg/，有興趣的朋友能夠關注下。我是用最新版的，2.0以上的版本。做者提供了良好的多種方案分詞方法以及龐大的算法工具庫，看着讓人眼 花繚亂。若是想和solr結合，須要本身重寫solr或者lucene開放的分詞接口，我是重寫了Analyzer和Tokenizer接口，用相似IK 最新版的方法實現中文分詞搜索和索引。網上有不少方案，實現方法和我不盡相同，不過solr更新迭代太快，因此仍是本身讀得懂分詞器源碼，本身改寫來得實 在。ansj的三種中文分詞，若是索引數據量不大而且用戶量不大，建議用NlpAnalysis，具有發現新詞等功能；不然保守起見，仍是用 ToAnalysis比較靠譜（速度很快，親測超過IK）。


多聊幾句有關分詞的話吧。以前公司用的是IK，我一直使用，也作過升級。IK算是小巧精悍而且性能良好的分詞器了，不過最近兩年沒有更新，據我觀 察是國內使用量最高的分詞器，資料不少，因此沒有過高要求的建議仍是用IK，遇到問題均可以解決，減小開發量。由於開源（源碼掛在google上，很蛋 疼）並且代碼很容易讀懂，因此二次開發也較爲容易，我以前作敏感詞過濾曾經改寫過，效果良好。目前暫時仍是ansj+IK。ansj我是較爲推薦的，就目 前來看，分詞速度以及功能擴展性很強悍，缺點是做者本身不寫lucene和solr的接口實現（固然人家是作天然語言不是作搜索的，不必），其餘大神來 寫的接口不多持續更新，須要本身修改。ansj功能太多，只作搜索的話，會以爲內容很冗餘。不過既然是程序員，就不要把本身想象成碼農，而是努力往極客的 方向靠一靠。一旦理清楚ansj，絕壁會有種豁然開朗的感受。

2014年7月10日更新

升級到solr4.8.1，修復10個bug。
FastVectorHighlighter 快速高效的高亮，佔有IO會更多

solrconfig.xml配置：
<bool name="f.title.hl.useFastVectorHighlighter">true</bool>

schema.xml配置：
<field name="title" type="text_ansj" indexed="true" stored="true" multiValued="true" termVectors="true" termPositions="true"  termOffsets="true" />



修bug時間到！
warn no appenders could be found for logger ，步奏5檢查是否有問題，我以前是把classes寫成classses,折騰好久！

<schema name="example core zero" version="1.1">要寫成<schema name="example core zero" version="1.5">否則中文搜索效果極差，solr提供的example絕壁是坑貨！發現本身搜索效果不理想的請仔細檢查 schema.xml

SolrCore 'collection1' is not available due to init failure: Could not load config for solrconfig.xml，linux下會出現的問題，請把example/solr/collection1拷入solr_home下，而且步驟三目錄分隔符用/而不是\。

提示區！
用中文分詞，schema.xml配置很關鍵，除了從網上粘貼，本身最好仍是要看得懂配置文件的真正含義！
solrconfig.xml和schema.xml兩個配置文件，建議逐行讀懂，讀懂的意思就是要理解。





這塊我會持續更新。有作搜索興趣的朋友能夠互相關注。本人在ITeye上的地址是http://lies-joker.iteye.com/