Apache Solr 介绍（1） 博客分类： Lucene SolrApache搜索引擎lucene数据挖掘

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