• 准备如下环境
  • Linux
  • j2sdk 5.0
  • tomcat 5.5
  • solr 1.1
  • lucene 2.1
• 安装和配置
  • J2sdk 解压，同意许可协议，安装，添加环境变量。
  • tomcat 解压，安装，修改配置文件，我更改了端口为8080
  • solr 解压，假设解开后的目录为$SOLR_SRC，tomcat的工作目录为$TOMCAT_HOME，我们应用的目录为$SOLR_APP
  • lucene 解压，将contrib/analyzers/lucene-analyzers-2.1.0.jar复制到$TOMCAT_HOME/webapps/solr/WEB-INF/lib中，或者使用我已经打好包的solr.war

cp $SOLR_SRC/dist/apache-solr-1.1.0-incubating.war $TOMCAT_HOME/webapps
cp -r $SOLR_SRC/example/solr $SOLR_APP

• install package($SOLR_SRC)

• webapp($TOMCAT_HOME/webapps/solr)

• app($SOLR)

• Solr被部署到一个JSP/Servlet容器中（比如tomcat，还可以使用Resin或者Solr自带的Jetty)
  • Solr提供了三个Servlet来提供基本的服务
    • SolrServer(URL映射为/select/*) 接受并处理所有的查询请求并返回结果
    • SolrUpdate(URL映射为/update/*) 接受并处理所有的索引新建更新以及删除请求，并返回状态。
    • ping(URL映射为/admin/ping) 在分布式体系中用来确认该节点是否工作的接口。
  • 所有的查询、索引更新，通过标准HTTP协议，根据SOLR约定的格式，将请求及数据封装为XML文档，通过POST方式发送给以上a、b接口，来实现搜索的相关功能。

• 所谓配置文件，是指在$SOLR_APP/conf下的所有文件，这些文件的配置影响我们SOLR应用的行为方式。以下给出我们用到的文件，其他的文件多半是英文词法分析需要用到的文件，暂时忽略。

• 需要注意的几个问题
  • tomcat的配置

需要配置tomcat，在解析URI的时候按UTF8编码解析。
在Connector配置节点添加属性URIEncoding="UTF-8"

• 中文分词

根据调研，在百万量级，每条纪录不超过10k的情况下，使用lucene自带的org.apache.lucene.analysis.cjk.CJKAnalyzer作为中文分词Analyzer，效果良好。但是该Analyzer基于2元分词，在数据条目多或者纪录比价大的情况下将会有非常客观的索引膨胀速度，如果有规模更大的应用最好寻求比较好的基于隐马过程字典类的分词Analyzer，有时间可能会关注中科院开源的ICTCLAS。

修改schema.xml，添加字段类型定义
     <fieldtype name="text_china" class="solr.TextField">
        <analyzer class="org.apache.lucene.analysis.cjk.CJKAnalyzer"/>
    </fieldtype>
以上配置字段类型text_china使用lucene的中文分词
然后配置所需要的字段和类型
    <field name="id" type="string" indexed="true" stored="true"/>
   <field name="title" type="text_china" indexed="true" stored="true"/>
   <field name="author" type="text_china" indexed="true" stored="true"/>
   <field name="news_time" type="date" indexed="true" stored="true"/>
   <field name="level" type="string" indexed="true" stored="true"/>
   <field name="url" type="text" indexed="true" stored="true"/>
   <field name="keywords" type="text_china" indexed="true" stored="true"/>

• 重建索引删除目录的问题

重建索引，需要删除$SOLR_HOME/data(如果你没有更改solrconfig.xml,那么默认是这个位置）下所有目录，我因为删除其index目录里的内容，浪费了数小时深入到UpdateHandler的源码中调试bug，结论只是因为再向上一级目录删除的问题，不过这点solr本身做的也不够好，Stack Trace没有可用的提示信息，当然一定意义上这是java的通病了。。。。。

• 进阶
  • 中文分词

找了个免费的中文分词，按照lucnen的anaylizer格式编写，挂接可用，但效果一般：org.mira.lucene.analysis.MIK_CAnalyzer

可在http://220.231.29.17:8080/solr/admin/analysis.jsp?name=title&highlight=on&val=&qval=测试他的分词效果

• RequestHandler
• WriteHandler
• replication
• distribution

测试机 http://220.231.29.17:8080/solr/admin/form.jsp

产品机 http://61.135.182.72:8080/solr/admin/form.jsp 产品机数据每小时与数据库同步一次

地址：http://61.135.182.72:8080/solr/select

字符集：UTF-8，用GET方式传入的参数及查询结果均为UTF-8编码，这点一定要留意。

查询语句说明

字段列表

–CopyRight by ShawnWang 2007