欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

lucene-solr

程序员文章站 2022-07-01 09:25:54
...

lucene和solr
solr
lucene
倒排索引
实际举例
lucene API 介绍
创建索引
新建 maven 项目,添加依赖
创建测试类,添加以下代码
查看索引
运行 luke
查看文档
指定分词器,并测试分词
查询测试
从索引查询
solr 安装
把 solr-8.1.1.tgz 传到服务器
解压 solr
启动 solr
浏览器访问 solr 控制台
创建 core
复制默认配置
创建名为 pd 的 core
中文分词测试
中文分词工具 - ik-analyzer
使用 ik-analyzer 对中文进行分词测试
设置停止词
准备 mysql 数据库数据
从 mysql 导入商品数据
设置字段
Copy Field 副本字段
Data Import Handler 配置
导入数据
查询测试
在复制字段 text 中查找 电脑
在标题中查找 电脑
用双引号查找完整词 “笔记本”
搜索 +lenovo +电脑
搜索 +lenovo -电脑
统计 cid
价格范围
多字段统计
拼多商城实现商品的全文检索
修改 hosts 文件, 添加 www.pd.com 映射
eclipse 导入 pd-web 项目
修改数据库连接配置
启动项目, 访问 www.pd.com
商品检索调用分析
pom.xml 添加 solr 和 lombok 依赖
application.yml 添加 solr 连接信息
Item 实体类
SearchService 业务接口
SearchServiceImpl 业务实现类
SearchController 控制器
solr
Solr是一个高性能,基于Lucene的全文搜索服务器。同时对其进行了扩展,提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展,并对查询性能进行了优化,并且提供了一个完善的功能管理界面,是一款非常优秀的全文搜索引擎。

lucene
Lucene是apache jakarta项目的一个子项目,是一个开放源代码的全文检索引擎开发工具包,但它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎。Lucene的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎。

倒排索引
我们一般情况下,先找到文档,再在文档中找出包含的词;

正排索引

倒排索引则是这个过程反过来,用词,来找出它出现的文档.

倒排索引

实际举例
文档编号 文档内容
1 全文检索引擎工具包
2 全文检索引擎的架构
3 查询引擎和索引引擎
分词结果

文档编号 分词结果集
1 {全文,检索,引擎,工具,包}
2 {全文,检索,引擎,的,架构}
3 {查询,引擎,和,索引,引擎}
倒排索引

编号 单词 文档编号列表
1 全文 1,2
2 检索 1,2
3 引擎 1,2,3
4 工具 1
5 包 1
6 架构 2
7 查询 3
8 索引 3
lucene API 介绍
创建索引
新建 maven 项目,添加依赖

4.0.0
cn.tedu
lucene-demo
0.0.1-SNAPSHOT
luceme-demo

<dependencies>
	<dependency>
		<groupId>org.apache.lucene</groupId>
		<artifactId>lucene-core</artifactId>
		<version>8.1.1</version>
	</dependency>

	<dependency>
		<groupId>junit</groupId>
		<artifactId>junit</artifactId>
		<version>4.12</version>
	</dependency>

	<dependency>
		<groupId>org.apache.lucene</groupId>
		<artifactId>lucene-analyzers-smartcn</artifactId>
		<version>8.1.1</version>
	</dependency>

</dependencies>
创建测试类,添加以下代码 package test;

import java.io.File;

import org.apache.lucene.analysis.cn.smart.SmartChineseAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.document.LongPoint;
import org.apache.lucene.document.StoredField;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.FSDirectory;
import org.junit.Test;

public class Test1 {
String[] a = {
“3, 华为 - 华为电脑, 爆款”,
“4, 华为手机, 旗舰”,
“5, 联想 - Thinkpad, 商务本”,
“6, 联想手机, 自拍神器”
};

@Test
public void test1() throws Exception {
	//存储索引文件的路径
	File path = new File("d:/abc/");
	FSDirectory d = FSDirectory.open(path.toPath());
	//lucene提供的中文分词器
	SmartChineseAnalyzer analyzer = new SmartChineseAnalyzer();
	//通过配置对象来指定分词器
	IndexWriterConfig cfg = new IndexWriterConfig(analyzer);
	//索引输出工具
	IndexWriter writer = new IndexWriter(d, cfg);
	
	for (int i = 0; i < a.length; i++) {
		String[] strs = a[i].split(",");
		
		//创建文档,文档中包含的是要索引的字段
		Document doc = new Document();
		doc.add(new LongPoint("id", Long.parseLong(strs[0])));
		doc.add(new StoredField("id", Long.parseLong(strs[0])));
		doc.add(new TextField("title", strs[1], Store.YES));
		doc.add(new TextField("sellPoint", strs[2], Store.YES));
		
		//将文档写入磁盘索引文件
		writer.addDocument(doc);
	}
	writer.close();
	
}

}
查看索引
运行 luke
运行lucene 8.1.1中的luke应用程序,指定索引的存放目录

image

查看文档
image

指定分词器,并测试分词
image

查询测试
image

id的查询
image

从索引查询
在测试类中添加 test2() 测试方法

package test;

import java.io.File;

import org.apache.lucene.analysis.cn.smart.SmartChineseAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.document.LongPoint;
import org.apache.lucene.document.StoredField;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.FSDirectory;
import org.junit.Test;

public class Test1 {
String[] a = {
“3, 华为 - 华为电脑, 爆款”,
“4, 华为手机, 旗舰”,
“5, 联想 - Thinkpad, 商务本”,
“6, 联想手机, 自拍神器”
};

@Test
public void test1() throws Exception {
	//存储索引文件的路径
	File path = new File("d:/abc/");
	FSDirectory d = FSDirectory.open(path.toPath());
	//lucene提供的中文分词器
	SmartChineseAnalyzer analyzer = new SmartChineseAnalyzer();
	//通过配置对象来指定分词器
	IndexWriterConfig cfg = new IndexWriterConfig(analyzer);
	//索引输出工具
	IndexWriter writer = new IndexWriter(d, cfg);
	
	for (int i = 0; i < a.length; i++) {
		String[] strs = a[i].split(",");
		
		//创建文档,文档中包含的是要索引的字段
		Document doc = new Document();
		doc.add(new LongPoint("id", Long.parseLong(strs[0])));
		doc.add(new StoredField("id", Long.parseLong(strs[0])));
		doc.add(new TextField("title", strs[1], Store.YES));
		doc.add(new TextField("sellPoint", strs[2], Store.YES));
		
		//将文档写入磁盘索引文件
		writer.addDocument(doc);
	}
	writer.close();
	
}

@Test
public void test2() throws Exception {
	//索引数据的保存目录
	File path = new File("d:/abc");
	FSDirectory d = FSDirectory.open(path.toPath());
	//创建搜索工具对象
	DirectoryReader reader = DirectoryReader.open(d);
	IndexSearcher searcher = new IndexSearcher(reader);
	
	//关键词搜索器,我们搜索 "title:华为"
	TermQuery q = new TermQuery(new Term("title", "华为"));
	//执行查询,并返回前20条数据
	TopDocs docs = searcher.search(q, 20);

	//遍历查询到的结果文档并显示
	for (ScoreDoc scoreDoc : docs.scoreDocs) {
		Document doc = searcher.doc(scoreDoc.doc);
		System.out.println(doc.get("id"));
		System.out.println(doc.get("title"));
		System.out.println(doc.get("sellPoint"));
		System.out.println("--------------");
	}
}

}

solr 安装
下面我们来安装 solr 服务器

把 solr-8.1.1.tgz 传到服务器
把文件传到 /usr/local 目录下

解压 solr
cd /usr/local

上传 solr-8.1.1.tgz 到 /usr/local 目录

并解压缩

tar -xzf solr-8.1.1.tgz
启动 solr
cd /usr/local/solr-8.1.1

不建议使用管理员启动 solr,加 -force 强制启动

bin/solr start -force

开放 8983 端口

firewall-cmd --zone=public --add-port=8983/tcp --permanent
firewall-cmd --reload
浏览器访问 solr 控制台
http://192.168.64.170:8983

注意修改地址
image

创建 core
数据库中 pd_item 表中的商品数据, 在 solr 中保存索引数据, 一类数据, 在 solr 中创建一个 core 保存索引数据

创建一个名为 pd 的 core, 首先要准备以下目录结构:

solr目录/server/solr/

pd/

conf/

data/

cd /usr/local/solr-8.1.1

mkdir server/solr/pd
mkdir server/solr/pd/conf
mkdir server/solr/pd/data
conf 目录是 core 的配置目录, 存储一组配置文件, 我们以默认配置为基础, 后续逐步修改

复制默认配置
cd /usr/local/solr-8.1.1

cp -r server/solr/configsets/_default/conf server/solr/pd
创建名为 pd 的 core
image

中文分词测试
image

填入以下文本, 观察分词结果:

Solr是一个高性能,采用Java5开发,基于Lucene的全文搜索服务器。同时对其进行了扩展,提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展并对查询性能进行了优化,并且提供了一个完善的功能管理界面,是一款非常优秀的全文搜索引擎。
中文分词工具 - ik-analyzer
https://github.com/magese/ik-analyzer-solr

image

下载 ik-analyzer 分词 jar 文件,传到 solr目录/server/solr-webapp/webapp/WEB-INF/lib
为了后续操作方便,我们把后面用到的jar文件一同传到服务器,包括四个文件:
ik-analyzer-8.1.0.jar
mysql-connector-java-5.1.46.jar
solr-dataimporthandler-8.1.1.jar
solr-dataimporthandler-extras-8.1.1.jar
复制6个文件到 solr目录/server/solr-webapp/webapp/WEB-INF/classes

classes目录如果不存在,需要创建该目录

mkdir /usr/local/solr-8.1.1/server/solr-webapp/webapp/WEB-INF/classes
这6个文件复制到 classes 目录下
resources/
IKAnalyzer.cfg.xml
ext.dic
stopword.dic
stopwords.txt
ik.conf
dynamicdic.txt
配置 managed-schema
修改 solr目录/server/solr/pd/conf/managed-schema,添加 ik-analyzer 分词器

重启 solr 服务 cd /usr/local/solr-8.1.1

bin/solr restart -force
使用 ik-analyzer 对中文进行分词测试
填入以下文本, 选择使用 text_ik 分词器, 观察分词结果:

Solr是一个高性能,采用Java5开发,基于Lucene的全文搜索服务器。同时对其进行了扩展,提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展并对查询性能进行了优化,并且提供了一个完善的功能管理界面,是一款非常优秀的全文搜索引擎。
image

设置停止词
上传停止词配置文件到 solr目录/server/solr-webapp/webapp/WEB-INF/classes

stopword.dic
stopwords.txt
重启服务,观察分词结果中,停止词被忽略
bin/solr restart -force
准备 mysql 数据库数据
用 sqlyog 执行 pd.sql
授予 root 用户 跨网络访问权限
注意: 此处设置的是远程登录的 root 用户,本机登录的 root 用户密码不变
grant all on . to ‘root’@’%’ identified by ‘root’;
随机修改30%的商品,让商品下架,以便后面做查询测试

UPDATE pd_item SET STATUS=0 WHERE RAND()<0.3
从 mysql 导入商品数据
设置字段
title text_ik
sellPoint text_ik
price plong
barcode string
image string
cid plong
status pint
created pdate
updated pdate
image

Copy Field 副本字段
查询时需要按字段查询,例如 title:电脑, 可以将多个字段的值合并到一个字段进行查询,默认查询字段 text

将 title 和 sellPoint 复制到 text 字段

image

Data Import Handler 配置
添加 jar 文件
Data Import Handler 的 jar 文件存放在 solr目录/dist 目录下

solr-dataimporthandler-8.1.1.jar
solr-dataimporthandler-extras-8.1.1.jar
复制这两个文件和 mysql 的 jar 文件到 solr目录/server/solr-webapp/webapp/WEB-INF/lib

dih-config.xml 修改 mysql 的 ip 地址,传到 solr目录/server/solr/pd/conf

solrconfig.xml 中添加 DIH 配置

dih-config.xml 重启 solr cd /usr/local/solr-8.1.1

bin/solr restart -force
导入数据
重启 solr 后导入数据,确认导入的文档数量为 3160

image

查询测试
在复制字段 text 中查找 电脑
image

在标题中查找 电脑
image

用双引号查找完整词 “笔记本”
image

搜索 +lenovo +电脑
image

搜索 +lenovo -电脑
image

统计 cid
image

image

image

image

价格范围
在 Raw Query Parameters 输入框中填入以下内容:
facet.range=price&facet.range.start=0&facet.range.end=10000&facet.range.gap=2000

image

image

多字段统计
在 Raw Query Parameters 输入框中填入以下内容:
facet.pivot=cid,status

image

image

拼多商城实现商品的全文检索
修改 hosts 文件, 添加 www.pd.com 映射
127.0.0.1 www.pd.com
eclipse 导入 pd-web 项目
image

image

修改数据库连接配置
application.yml 配置文件中,修改连接配置

spring:
datasource:
type: com.alibaba.druid.pool.DruidDataSource
driver-class-name: com.mysql.jdbc.Driver
url: jdbc:mysql://127.0.0.1:3306/pd_store?useUnicode=true&characterEncoding=UTF-8
username: root
password: root
启动项目, 访问 www.pd.com
image

商品检索调用分析
查询

pom.xml 添加 solr 和 lombok 依赖

org.springframework.boot
spring-boot-starter-data-solr

org.projectlombok lombok application.yml 添加 solr 连接信息 spring: data: solr: #注意修改ip地址 host: http://192.168.64.170:8983/solr/pd Item 实体类 package com.pd.pojo;

import java.io.Serializable;

import org.apache.solr.client.solrj.beans.Field;

import lombok.Data;

@Data
public class Item implements Serializable {
private static final long serialVersionUID = 1L;

	@Field("id")
	private String id;
	@Field("title")
	private String title;
	@Field("sellPoint")
	private String sellPoint;
	@Field("price")
	private Long price;
	@Field("image")
	private String image;

}
SearchService 业务接口
package com.pd.service;

import java.util.List;

import com.pd.pojo.Item;

public interface SearchService {
List findItemByKey(String key) throws Exception;
}
SearchServiceImpl 业务实现类
package com.pd.service.impl;

import java.util.List;

import org.apache.solr.client.solrj.SolrClient;
import org.apache.solr.client.solrj.SolrQuery;
import org.apache.solr.client.solrj.response.QueryResponse;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Configuration;
import org.springframework.stereotype.Service;

import com.pd.pojo.Item;
import com.pd.service.SearchService;

@Service
public class SearchServiceImpl implements SearchService {

/*
 * SolrClient实例是在 SolrAutoConfiguration 类中创建的
 * 
 * SolrAutoConfiguration添加了@Configuration注解,
 * 是spring boot自动配置类,其中的solrClient()方法中创建了SolrClient实例
 */
@Autowired
private SolrClient solrClient;

@Override
public List<Item> findItemByKey(String key) throws Exception {
	//封装查询的关键词
	//也可以封装其他的查询参数,比如指定字段,facet设置等
	SolrQuery query = new SolrQuery(key);
	//查询前多少条数据
	query.setStart(0);
	query.setRows(20);
	
	//执行查询并得到查询结果
	QueryResponse qr = solrClient.query(query);
	//把查询结果转成一组商品实例
	List<Item> beans = qr.getBeans(Item.class);
	return beans;
}

}
SearchController 控制器
package com.pd.controller;

import java.util.List;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Controller;
import org.springframework.ui.Model;
import org.springframework.web.bind.annotation.GetMapping;

import com.pd.pojo.Item;
import com.pd.service.SearchService;

@Controller
public class SearchController {
@Autowired
private SearchService searchService;

@GetMapping("/search/toSearch.html")
public String search(String key, Model model) throws Exception {
	List<Item> itemList = searchService.findItemByKey(key);
	model.addAttribute("list", itemList);
	return "/search.jsp";
}

}

推荐阅读