Solr多核心及分词器（IK）配置

Solr多核心及分词器（IK）配置

 

多核心的概念

多核心说白了就是多索引库。也可以理解为多个"数据库表"

说一下使用multicore的真实场景，比若说，产品搜索和会员信息搜索，不使用多核也没问题，这样带来的问题是 indexs文件很多，而且产品的索引文件和会员信息的索引文件混在一起，备份也是个问题。 如果使用了多核，那就很轻松了，产品和会员就可使用不同的URL进行提交了，业务上也很清晰，生成的索引文件也不会混在一起，也容易备份。

    每个索引库通过相对独立的url访问。

多核心的配置

还记得solr home吗，既然配置多核心，那么我们可以新建一个目录作为solr home，从零开始搭建，这样理解会更深（记得在tomcat中修改solr home路径）。

我这里使用的solr home路径为：D:Installed ApplicationsSolrIndex，之后将solr解压，将solr-4.9.0examplemulticore下的所有文件copy到solr home。

可以看到里面有core0和core1两个核心，和一个solr.xml。core0和core1从名字就可以看出来是两个示例核心，文件结构非常简单，就只有两个文件，schema.xml和solrconfig.xml，所以我们可以根据需要修改或新建核心，只要根据实例核心的目录结构就好。接下来是schema.xml，这个文件相当于告诉solr，有多少核心和核心的名字及核心的位置：

结构如下：

1. <cores adminPath="/admin/cores" host="${host:}" hostPort="${jetty.port:8983}"hostContext="${hostContext:solr}">
2.     <core name="core0" instanceDir="core0" />
3.     <core name="core1" instanceDir="core1" />
4.  
5.     <shardHandlerFactory name="shardHandlerFactory" class="HttpShardHandlerFactory">
6.       <str name="urlScheme">${urlScheme:}</str>
7.     </shardHandlerFactory>
8.   </cores>

shardHandlerFactory暂时不管，主要修改core，name是核心的名字，instanceDir是核心的路径，默认是当前目录，这个最好保持一致，即加入核心名字是core0，那么就在solr home下新建一个core0文件夹，里面放入配置文件，那么这就是一个核心。

我修改后的solr.xml配置如下：

1. <cores adminPath="/admin/cores" host="${host:}" defaultCoreName="Artist" hostPort="${port:8983}"hostContext="${hostContext:solr}">
2.     <core name="AritstCategory" instanceDir="AritstCategory" />
3.     <core name="Artist" instanceDir="Artist" />
4.    <core name="Song" instanceDir="Song" />
5.    <core name="SongArtist" instanceDir="SongArtist" />
6.    <core name="SongCategory" instanceDir="SongCategory" />
7.    <core name="SongMenu" instanceDir="SongMenu" />
8.    <core name="SpaceAudio" instanceDir="SpaceAudio" />
9.    <core name="SpaceVideo" instanceDir="SpaceVideo" />
10.    <core name="SpaceAVNum" instanceDir="SpaceAVNum" />
11.  
12.     <shardHandlerFactory name="shardHandlerFactory" class="HttpShardHandlerFactory">
13.       <str name="urlScheme">${urlScheme:}</str>
14.     </shardHandlerFactory>
15.   </cores>

目录结构如下：

可能大家已经注意到配置有下列内容：

1. <cores adminPath="/admin/cores" host="${host:}" defaultCoreName="Artist" hostPort="${port:8983}"hostContext="${hostContext:solr}">

AdminPath是指url路径

Host是指主机名

defaultCoreName是指默认使用的核心（不配置也完全可以）

hostPort是指访问的端口（跟tomcat的端口保持一致）

hostContext是指主机的上下文，也就是webapps中solr的项目名

其实有点像tomcat项目的配置。

 

多核心的访问

开启tomcat服务，访问：localhost:8983/solr

如下图所示：

即可看到多个核心。当然也可以在url上访问不同核心库：

Localhost:8983/solr/admin/coreName

刚说的defaultCoreName也就是说，如果没指定访问的核心，默认访问哪个核心的作用。

 

 

分词器简介与配置

Solr默认是没有中文分词的，其中solr默认的比较常用的数据类型有下面几种：string、long、int。详细的请看我的另外一篇博客：一、Solr综述

我用的是IK分词器，是国人做的一个开源的分词器，所以主要说下IK分词器的配置。

下载

下载 "IK Analyzer 2012FF_hf1.zip"包。 详见http://zhengchao730.iteye.com/blog/1833000

解压

解压后的目录结构：

其中已经有比较详细的文档了，但是我发现文档中并没有对solr分词器的配置有详细的说明。所以请读者继续往下看。

 

配置

步骤一：将 IKAnalyzer2012FF_u1.jar拷贝到目录"$TOMCAT_HOME webappssolrWEB-INFlib"中

步骤二：将IKAnalyzer.cfg.xml、stopword.dic拷贝到目录$TOMCAT_HOME webappssolrWEB-INFclasses目录下，没有则新建classes目录。

步骤三：在每个核心中的schema.xml中配置IK分词器：

1. <fieldType name="text_ik" class="solr.TextField">
2.         <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
3.         <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
4.    </fieldType>

 

 

这样就可以使用ik分词器了。

其中isMaxWordLength是指分词的细粒度，可以分别制定index索引和query查询的分词细粒度，建议将index的isMaxWordLength设置为false，这样就采用最细分词，是索引更精确，查询时尽量能匹配，而将query的isMaxWordLength设置为true，采用最大分词，这样能够使查询出来的结果更符合用户的需求。

并且还有一点需要特别注意，我用的是solr4.9，所以需要把各核心schema.xml中的<schema name="example core zero" version="1.1">版本由1.1改为1.5

<schema name="example core zero" version="1.5">.

这样查询时分词才能成功，比如搜索中华人民共和国，如果不配置的话，默认是短语匹配，就只搜索文档中包含中华人民共和国的结果，但是如果配置了查询分词，那么中华、人民….都能被匹配。

IK分词器使用与测试

之后在schema.xml中配置一个field用于测试，如下：

1. <field name="Artist_Name" type="text_ik" indexed="true" stored="true"/>

然后打开solr的admin页面：

可以看到分词之后的效果。

作者<ahref="http: www.cnblogs.com="" edwinchen="" "="" target"_blank"="">瞪着太阳的乌鸦

 

分类: Solr