CentOS下搭建Solr及配置中文分词器

1. 什么是Solr？

Solr 是Apache下的一个顶级开源项目，采用Java开发，它是基于Lucene的全文搜索服务器。Solr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，并对索引、搜索性能进行了优化。

1. Solr是一个全文检索服务器，只需要进行配置就可以实现全文检索服务。
2. Solr可以独立运行，运行在Jetty、Tomcat等这些Servlet容器中，Solr 索引的实现方法很简单，用 POST 方法向 Solr 服务器发送一个描述 Field 及其内容的 XML 文档，Solr根据xml文档添加、删除、更新索引 。Solr 搜索只需要发送 HTTP GET 请求，然后对 Solr 返回Xml、json等格式的查询结果进行解析，组织页面布局。Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。

2. Solr的安装配置

2.1. 下载

从Solr官方网站（http://lucene.apache.org/solr/ ）下载Solr4.10.3，根据Solr的运行环境，Linux下需要下载lucene-4.10.3.tgz。Solr使用指南可参考：https://wiki.apache.org/solr/FrontPage。还需要web容器tomcat。

2.2. 安装步骤及配置

第一步：安装Linux、jdk、tomcat。

solr 需要运行在一个servlet容器中，solr4.10.3要求jdk使用1.7以上，solr默认提供Jetty（java写的Servlet容器），本教程使用tocmat作为servlet容器，环境如下：

• solr：solr4.10.3
• jdk：jdk1.7.0_72
• tomcat：apache-tomcat-7.0.53

# 解压tomcat
tar -zxvf apache-tomcat-7.0.47.tar.gz 
# 创建solr工作目录
mkdir /usr/local/solr 
# 复制tomcat目录至solr工作目录
cp apache-tomcat-7.0.72 /usr/local/solr/tomcat -r

第二步：把solr的压缩包上传至服务器，并解压。

tar -zxvf solr-4.10.3.tgz.tgz

solr目录如下：

1. bin：solr的运行脚本。
2. contrib：solr的一些贡献软件、插件，用于增强solr的功能。
3. dist：该目录包含build过程中产生的war和jar文件，以及相关的依赖文件。
4. docs：solr的api文档。
5. licenses：solr相关的一些许可信息。
6. example：solr工程的例子目录：
   
   1. example/solr：该目录是一个包含了默认配置信息的solr的Core目录
   2. example/multicore：该目录包含了在solr的multicore中设置的多个Core目录。
   3. example/webapps：该目录中包括一个solr.war，该war可作为solr的运行实例工程。

第三步：将solr部署到tomcat容器

# 1.把/root/software/solr-4.10.3/dist/solr-4.10.3.war包部署到tomcat下,并改名为solr.war
cp solr-4.10.3.war /usr/local/solr/tomcat/webapps/solr.war

# 2.解压war包,启动tomcat自动解压,关闭tomcat,删除solr.war。
/usr/local/solr/tomcat/bin/startup.sh #启动tomcat
/usr/local/solr/tomcat/bin/shutdown.sh #关闭tomcat
rm -f /usr/local/solr/tomcat/webapps/solr.war #删除war包

# 3.把/root/software/solr-4.10.3/example/lib/ext 目录下所有的jar包复制到solr工程中。
cd /root/software/solr-4.10.3/example/lib/ext
cp * /usr/local/solr/tomcat/webapps/solr/WEB-INF/lib/

# 4.创建solrhome。solrhome是存放solr服务器所有配置文件的目录。
cd /root/software/solr-4.10.3/example
cp -r solr /usr/local/solr/solrhome

#5. 修改solr工程的web.xml文件，告诉solr服务器solrhome的位置。
cd /usr/local/solr/tomcat/webapps/solr/WEB-INF
vim web.xml

第四步：启动tomcat

/usr/local/solr/tomcat/bin/startup.sh
tail -f /usr/local/solr/tomcat/logs/catalina.out #查看tomcat运行情况

通过打开浏览器在地址栏输入：服务器ip地址:8080/solr，测试solr是否可以打开，如果成功则可以看到：

2.3. Solr界面功能

3. 安装中文分词器

3.1. 上传IKAnalyzer的文件到linux服务器，配置schema.xml文件

#1.把分析器的jar包添加到solr工程中
    cp IKAnalyzer2012FF_u1.jar /usr/local/solr/tomcat/webapps/solr/WEB-INF/lib/

    #2.IKAnalyzer的配置文件，把IKAnalyzer需要的扩展词典及停用词词典、配置文件复制到solr工程的classpath中，如果没有classes目录则新建
    cp IKAnalyzer.cfg.xml ext_stopword.dic mydict.dic /usr/local/solr/tomcat/webapps/solr/WEB-INF/classes

    #3.修改schema.xml文件，配置fieldType,需要在solrhome/collection1/conf/schema.xml中配置，在根节点里最下面配置如下：
<fieldType name="text_ik" class="solr.TextField">
  <analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>

3.2. 配置业务字段

可在继续在schema.xml文件配置相应的业务字段。如：

<field name="item_title" type="text_ik" indexed="true" stored="true"/>
<field name="item_sell_point" type="text_ik" indexed="true" stored="true"/>
<field name="item_price"  type="long" indexed="true" stored="true"/>
<field name="item_image" type="string" indexed="false" stored="true" />
<field name="item_category_name" type="string" indexed="true" stored="true" />
<field name="item_desc" type="text_ik" indexed="true" stored="false" />
<field name="item_keywords" type="text_ik" indexed="true" stored="false" multiValued="true"/>
<copyField source="item_title" dest="item_keywords"/>
<copyField source="item_sell_point" dest="item_keywords"/>
<copyField source="item_category_name" dest="item_keywords"/>
<copyField source="item_desc" dest="item_keywords"/>

重启tomcat重新刷新地址，查看分词信息中的新添加的字段是否成功。