Solr(全)--基于Lucene的全文搜索服务器

禾白少二

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

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

75.png
分词结果
76.png
倒排索引
77.png

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

luke

查看文档

luke

指定分词器,并测试分词

luke

查询测试

luke

  • id的查询

luke

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

solr

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

core

中文分词测试

分词

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-...

分词

  • 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。

分词

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

字段设置

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

副本字段

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

数据导入

查询测试

在复制字段 _text_ 中查找 电脑

查询

在标题中查找 电脑

查询

用双引号查找完整词 "笔记本"

查询

搜索 +lenovo +电脑

查询

搜索 +lenovo -电脑

查询

统计 cid

查询

查询

查询

查询

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

查询

查询

多字段统计

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

查询

查询

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

导入项目

导入项目

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

拼多

商品检索调用分析

调用

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";
    }
}
阅读 864
24 声望
22 粉丝
0 条评论
你知道吗?

24 声望
22 粉丝
宣传栏