Solr(全)--基于Lucene的全文搜索服务器

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;

倒排索引则是这个过程反过来,用词,来找出它出现的文档.

实际举例


分词结果

倒排索引

lucene API 介绍

创建索引

新建 maven 项目,添加依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
 <modelVersion>4.0.0</modelVersion>
 <groupId>cn.tedu</groupId>
 <artifactId>luceme-demo</artifactId>
 <version>1.0-SNAPSHOT</version>
 <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>
 <build>
 <plugins>
 <plugin>
 <groupId>org.apache.maven.plugins</groupId>
 <artifactId>maven-compiler-plugin</artifactId>
 <version>3.8.0</version>
 <configuration>
 <source>1.8</source>
 <target>1.8</target>
 </configuration>
 </plugin>
 </plugins>
 </build>
</project>

创建测试类,添加以下代码

package test;
import org.apache.lucene.analysis.cn.smart.SmartChineseAnalyzer;
import org.apache.lucene.document.*;
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;
import java.io.File;
import java.io.IOException;
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 {
 // lucene api是底层开发工具,代码非常繁琐
 // 存放索引数据的文件夹
 FSDirectory directory = FSDirectory.open(new File("d:/abc").toPath());
 // 配置中文分词器
 IndexWriterConfig config = new IndexWriterConfig(new SmartChineseAnalyzer());
 // 索引输出工具
 IndexWriter write = new IndexWriter(directory, config);
 // 遍历文档,输出索引
 for (String s: a){
 // "3, 华为 - 华为电脑, 爆款",
 String[] arr = s.split(",");
 // 用Document封装商品数据
 // 分字段进行封装
 Document doc = new Document();
 doc.add(new LongPoint("id", Long.parseLong(arr[0])));
 doc.add(new StoredField("id", Long.parseLong(arr[0])));//存入摘要
 doc.add(new TextField("title", arr[1], Field.Store.YES));
 doc.add(new TextField("sellPoint", arr[2],Field.Store.YES));
 write.addDocument(doc);
 }
 write.flush();
 write.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

查看文档

指定分词器,并测试分词

查询测试

  • id的查询

从索引查询

在测试类中添加 test2() 测试方法

package test;
import org.apache.lucene.analysis.cn.smart.SmartChineseAnalyzer;
import org.apache.lucene.document.*;
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;
import java.io.File;
import java.io.IOException;
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 {
 // lucene api是底层开发工具,代码非常繁琐
 // 存放索引数据的文件夹
 FSDirectory directory = FSDirectory.open(new File("d:/abc").toPath());
 // 配置中文分词器
 IndexWriterConfig config = new IndexWriterConfig(new SmartChineseAnalyzer());
 // 索引输出工具
 IndexWriter write = new IndexWriter(directory, config);
 // 遍历文档,输出索引
 for (String s: a){
 // "3, 华为 - 华为电脑, 爆款",
 String[] arr = s.split(",");
 // 用Document封装商品数据
 // 分字段进行封装
 Document doc = new Document();
 doc.add(new LongPoint("id", Long.parseLong(arr[0])));
 doc.add(new StoredField("id", Long.parseLong(arr[0])));//存入摘要
 doc.add(new TextField("title", arr[1], Field.Store.YES));
 doc.add(new TextField("sellPoint", arr[2],Field.Store.YES));
 write.addDocument(doc);
 }
 write.flush();
 write.close();
 }
 @Test
 public void test2() throws IOException {
 //在索引中搜索数据
 //文件夹
 FSDirectory directory = FSDirectory.open(new File("d:/abc").toPath());
 //索引读取工具
 DirectoryReader reader = DirectoryReader.open(directory);//搜索器工具
 //搜索得到结果:[{doc:3.score:0.679},{doc:1,score:0.5151}]
 IndexSearcher searcher = new IndexSearcher(reader);
 //封装搜索的关键词
 TermQuery query = new TermQuery(new Term("title", "华为"));
 //搜索的到结果{}
 TopDocs topDocs= searcher.search(query,20);
 //遍历
 for (ScoreDoc sd: topDocs.scoreDocs){
 int id = sd.doc;//文档索引编号
 float score = sd.score;//西昂关读得分
 Document doc = searcher.doc(id);//文档摘要
 System.out.println(id);
 System.out.println(score);
 System.out.println(doc.get("id"));
 System.out.println(doc.get("titlle"));
 System.out.println(doc.get("se;;Poimt"));
 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

先切换到 /usr/local 目录

cd /usr/local

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

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

中文分词测试

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-...

  • 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

<!-- ik分词器 -->
<fieldType name="text_ik" class="solr.TextField">
 <analyzer type="index">
 <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="false" conf="ik.conf"/>
 <filter class="solr.LowerCaseFilterFactory"/>
 </analyzer>
 <analyzer type="query">
 <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true" conf="ik.conf"/>
 <filter class="solr.LowerCaseFilterFactory"/>
 </analyzer>
</fieldType>
  • 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。

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
DROP USER 'root'@'%';
CREATE USER 'root'@'%' IDENTIFIED BY 'root';
GRANT ALL ON *.* TO '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

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

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
<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
 <lst name="defaults"> 
 <str name="config">dih-config.xml</str> 
 </lst> 
</requestHandler>
  • 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

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

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

多字段统计

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

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

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

商品检索调用分析

pom.xml 添加 solr 和 lombok 依赖

<dependency>
 <groupId>org.springframework.boot</groupId>
 <artifactId>spring-boot-starter-data-solr</artifactId>
</dependency>
<dependency>
 <groupId>org.projectlombok</groupId>
 <artifactId>lombok</artifactId>
</dependency>

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<Item> 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";
 }
}
    作者:禾白少二原文地址:https://segmentfault.com/a/1190000038403912

    %s 个评论

    要回复文章请先登录注册