Apache Solr 介绍（1）

导言

说起Apache Lucene,可以说无人不知，无人不晓，但是说道Apache Solr,恐怕知道的不多。看看Apache Solr的说明：

Solr是一个基于Lucene java库的企业级搜索服务器，包含XML/HTTP，JSON API, 高亮查询结果，faceted search(不知道该如何翻译,片段式搜索)，缓存，复制还有一个WEB管理界面。Solr运行在Servlet容器中。所以Solr和Lucene的本质区别有以下三点：搜索服务器，企业级和管理。Lucene本质上是搜索库，不是独立的应用程序，而Solr是。Lucene专注于搜索底层的建设，而Solr专注于企业应用。Lucene不负责支撑搜索服务所必须的管理，而Solr负责。所以说，一句话概括Solr: Solr是Lucene面向企业搜索应用的扩展。

在本篇文章中，我们先看看Solr向我们承诺了什么，或者说Solr宣称的特性们。

无废话Solr

Solr是一个拥有象WebService一样接口的独立运行的搜索服务器。你将能够通过HTTP协议以XML格式将文档放入搜索服务器(这个过程叫做索引)，你能够通过HTTP协议的GET来查询搜索服务器并且得到XML格式的结果。Solr的特性包括：

• 高级的全文搜索功能
• 专为高通量的网络流量进行的优化
• 基于开放接口（XML和HTTP）的标准
• 综合的HTML管理界面
• 可伸缩性－能够有效地复制到另外一个Solr搜索服务器
• 使用XML配置达到灵活性和适配性
• 可扩展的插件体系

Solr使用Lucene并且扩展了它！

• 一个真正的拥有动态域(Dynamic Field)和唯一键(Unique Key)的数据模式(Data Schema)
• 对Lucene查询语言的强大扩展！
• 支持对结果进行动态的分组和过滤
• 高级的，可配置的文本分析
• 高度可配置和可扩展的缓存机制
• 性能优化
• 支持通过XML进行外部配置
• 拥有一个管理界面
• 可监控的日志
• 支持高速增量式更新(Fast incremental Updates)和快照发布(Snapshot Distribution)

Schema（模式）

• 定义域类型和文档的域
• 能够驱动智能处理
• 声明式的Lucene分析器规范
• 动态域能够随时增加域
• 拷贝域功能允许对一个域进行多种方式的索引，或者将多个域联合成一个可搜索的域
• 显式类型能够减少对域类型的猜测
• 能够使用外部的基于文件的终止词列表，同义词列表和保护词列表的配置

查询

• 拥有可配置响应格式（XML/XSLT,JSON,Python,Ruby）的HTTP接口
• 高亮的上下文搜索结果
• 基于域值和显式查询的片段式搜索（Faceted Search）
• 对查询语言增加了排序规范
• 常量的打分范围(Constant scoring range)和前缀式查询－没有idf,coord,或者lengthNorm因子，对查询匹配的词没有数量限制
• 函数查询(Function Query)-通过关于一个域的数值或顺序的函数对打分进行影响
• 性能优化

核心

• 可插拔的查询句柄（Query Handler）和可扩展的XML数据格式
• 使用唯一键的域能够增强文档唯一性
• 能够高效地进行批量更新和删除
• 用户可配置的文档索引变化触发器（命令）
• 并发控制的搜索器
• 能够正确处理数字类型，从而能够进行排序和范围搜索
• 能够控制缺失排序域的文档
• 支持搜索结果的动态分组

缓存

• 可配置的查询结果，过滤器，和文档缓存实例
• 可插拔的缓存实现
• 后台缓存热启：当一个新的搜索器被打开时，可配置的搜索将它热启，避免第一个结果慢下来，当热启时，当前搜索器处理目前的请求（？？？）。
• 后台自动热启：当前搜索器缓存中最常访问的项目在新的搜索器中再次生成，能够在索引器和搜索器变化的时候高速缓存常查询的结果
• 快速和小的过滤器实现
• 支持自动热启的用户级别的缓存

复制

• 能够将使用rsync传输时改变的索引部分有效的发布
• 使用拉策略(Pull Strategy)来简化增加搜索器
• 可配置的发布间隔能够允许对时间线和缓存使用进行权衡选择

管理接口

• 能够对缓存使用，更新和查询进行综合统计
• 文本分析调试器，能够显示每个分析器每个阶段的结果
• 基于WEB的查询和调试输出：解析查询输出，Lucene的explain方法细节，能够解释为何某个文档打分低，被排除在结果中等等

评论

6 楼 caoyangx 2010-07-02  

roki 写道

新书推荐！清华出版社新书《搜索引擎零距离》

购买地址：
http://www.china-pub.com/195494

本书作者主页： http://www.rayeen.com


【内容简介】
随着网络信息资源的急剧增长，人们越来越多地关注如何快速有效地从海量的网络信息中，抽取出潜在的、有价值的信息，使之有效地在管理和决策中发挥作用。搜索引擎技术解决了用户检索网络信息的困难，目前搜索引擎技术正成为计算机科学界和信息产业界争相研究、开发的对象。.

本书的作者是一位资深的搜索引擎开发人员，书中对数据获取(网络信息挖掘)与数据检索(搜索引擎)两个方面作了深入的介绍。本书首先提出了一套“ 网络数据挖掘”的完整理论，并给出一个实际的智能爬虫系统，通过理论与实际的完整呈现，使读者能够对“网络数据挖掘”有一个比较具体的认识，然后介绍了一个专用程序语言IRS，并给出了这个语言的编译器以及虚拟机的实现方法。本书还通过对多个开源搜索引擎项目抽丝剥茧的细致分析，引出搜索引擎的一些基本原理与开发方法，并介绍了一个商业化搜索引擎的实例。本书的最后还结合一个Java框架介绍了一些软件设计思想。..

本书涉及网络数据挖掘、搜索引擎原理、编译原理、数据库原理、正则表达式、软件工程、设计模式、Ruby语言、HTTP协议等计算机科学与技术的知识，适合搜索引擎开发人员作为参考，也适合有一定计算机基础的读者阅读，以扩展视野。

本书的内容中，既有教科书式的理论阐述，也有“七天入门”式的实例解析，还有《Linux内核情景分析》风格的细致的代码分析，甚至还有一些英语文献翻译，从初学者到有一定经验的搜索引擎开发人员，各个层次的读者都能找到一些适合自己阅读的章节。


本书特色：
l 国内垂直搜索引擎的扛鼎之作
l 集开源搜索引擎之大成，融会贯通，自成一体
l 无线搜索引擎核心技术零距离接触
l Web信息挖掘专用程序设计语言，语法标准首次发布
l 垂直爬虫专用并行虚拟机核心技术展示
l 多年商业搜索引擎开发运营经验之提炼总结
l 真实的中型分布式搜索引擎开发案例全景展现
l 最新Java前沿技术在经典计算机理论上的优秀应用
l 专业信息检索理论与商业搜索需求的完美结合
l Java软件工程设计模式最佳实践

清华大学的书，大部分都是垃圾。

5 楼 roki 2009-06-06  

新书推荐！清华出版社新书《搜索引擎零距离》

购买地址：
http://www.china-pub.com/195494

本书作者主页： http://www.rayeen.com


【内容简介】
随着网络信息资源的急剧增长，人们越来越多地关注如何快速有效地从海量的网络信息中，抽取出潜在的、有价值的信息，使之有效地在管理和决策中发挥作用。搜索引擎技术解决了用户检索网络信息的困难，目前搜索引擎技术正成为计算机科学界和信息产业界争相研究、开发的对象。.

本书的作者是一位资深的搜索引擎开发人员，书中对数据获取(网络信息挖掘)与数据检索(搜索引擎)两个方面作了深入的介绍。本书首先提出了一套“ 网络数据挖掘”的完整理论，并给出一个实际的智能爬虫系统，通过理论与实际的完整呈现，使读者能够对“网络数据挖掘”有一个比较具体的认识，然后介绍了一个专用程序语言IRS，并给出了这个语言的编译器以及虚拟机的实现方法。本书还通过对多个开源搜索引擎项目抽丝剥茧的细致分析，引出搜索引擎的一些基本原理与开发方法，并介绍了一个商业化搜索引擎的实例。本书的最后还结合一个Java框架介绍了一些软件设计思想。..

本书涉及网络数据挖掘、搜索引擎原理、编译原理、数据库原理、正则表达式、软件工程、设计模式、Ruby语言、HTTP协议等计算机科学与技术的知识，适合搜索引擎开发人员作为参考，也适合有一定计算机基础的读者阅读，以扩展视野。

本书的内容中，既有教科书式的理论阐述，也有“七天入门”式的实例解析，还有《Linux内核情景分析》风格的细致的代码分析，甚至还有一些英语文献翻译，从初学者到有一定经验的搜索引擎开发人员，各个层次的读者都能找到一些适合自己阅读的章节。


本书特色：
l 国内垂直搜索引擎的扛鼎之作
l 集开源搜索引擎之大成，融会贯通，自成一体
l 无线搜索引擎核心技术零距离接触
l Web信息挖掘专用程序设计语言，语法标准首次发布
l 垂直爬虫专用并行虚拟机核心技术展示
l 多年商业搜索引擎开发运营经验之提炼总结
l 真实的中型分布式搜索引擎开发案例全景展现
l 最新Java前沿技术在经典计算机理论上的优秀应用
l 专业信息检索理论与商业搜索需求的完美结合
l Java软件工程设计模式最佳实践

4 楼 lyo 2007-06-10  

是否能处理 word?

3 楼 amigobot 2007-06-04  

这是翻译lucene feature list, 下文呢？

2 楼 imjl 2007-05-30  

晕。。。这个翻译。。。

1 楼 grantbb 2007-03-01  

支持！