• Apache Solr 实现去掉重复的搜索结果

    　　打上SOLR-236_collapsing.patch补丁，实现 solr 搜索结果折叠、除去重复的搜索结果，可以实现类似google搜索结果的“站内的其它相关信息 ”。solr collapsing patch 是用 hash 某个字段来实现折叠重复结果的。下面我演示下应用这个补丁并搜索试用下。

    其实 solr 上已经有了这功能的实现：solr 1.3 collapse patch， 请看：https://issues.apache.org/jira/browse/SOLR-236，我这里下载是了新的：https://issues.apache.org/jira/secure/attachment/12403590/SOLR-236_collapsing.patch。

    下载好后就需要打上补丁了，先准备一份源码在D:/apache-solr-1.3.0目录下。没有可以去下载：http://archive.apache.org/dist/lucene/solr/1.3.0/apache-solr-1.3.0.zip。把SOLR-236_collapsing.patch文件放在D:/apache-solr-1.3.0目录下， 打补丁有我知道的有两种：用linux工具 patch（windows 下有 cygwin）；用 ant 的 patch。

    windows cygwin 的 patch：

    D:\apache-solr-1.3.0>patch -p0 < SOLR-236_collapsing.patch
    patching file src/test/org/apache/solr/search/TestDocSet.java
    patching file src/java/org/apache/solr/search/CollapseFilter.java
    patching file src/java/org/apache/solr/search/DocSet.java
    patching file src/java/org/apache/solr/search/NegatedDocSet.java
    patching file src/java/org/apache/solr/search/SolrIndexSearcher.java
    patching file src/java/org/apache/solr/common/params/CollapseParams.java
    patching file src/java/org/apache/solr/handler/component/CollapseComponent.java

    ant patch，把下面的内容保存为 patch-build.xml 放到 D:\apache-solr-1.3.0 目录下：

     
    1. <?xml version="1.0" encoding="UTF-8"?>  
    2. <project name="solr-patch" default="apply-patch" basedir=".">    
    3.   
    4.     <target name="apply-patch" description="Apply a patch file.  Set -Dpatch.file">  
    5.         <patch patchfile="${patch.file}" strip="0"/>  
    6.     </target>  
    7. </project>  

    ant 打补丁：

    D:\apache-solr-1.3.0>ant -Dpatch.file=SOLR-236_collapsing.patch -f patch-build.xml
    Buildfile: patch-build.xml

    apply-patch:
    [patch] patching file src/test/org/apache/solr/search/TestDocSet.java
    [patch] patching file src/java/org/apache/solr/search/CollapseFilter.java
    [patch] patching file src/java/org/apache/solr/search/DocSet.java
    [patch] patching file src/java/org/apache/solr/search/NegatedDocSet.java
    [patch] patching file src/java/org/apache/solr/search/SolrIndexSearcher.java
    [patch] patching file src/java/org/apache/solr/common/params/CollapseParams.java
    [patch] patching file src/java/org/apache/solr/handler/component/CollapseComponent.java

    BUILD SUCCESSFUL
    Total time: 0 seconds

    源码打上了补丁，然后用 ant 构建源码：

    D:\apache-solr-1.3.0>ant dist

    在 D:/apache-solr-1.3.0/dist 目录下可以找到编译好的 solr 了。然后把 solr 放到 tomcat 中去运行它，把下面的内容保存在 TOMCAT_HOME/conf/Catalina/localhost/solr.xml 文件中：

     
    1. <Context docBase="D:\apache-solr-1.3.0\dist\apache-solr-1.3.0.war" reloadable="true" >  
    2.     <Environment name="solr/home" type="java.lang.String" value="D:\apache-solr-1.3.0\example\solr" override="true" />  
    3. </Context>  

    修改 D:\apache-solr-1.3.0\example\solr\conf\solrconfig.xml 使 solr 可以支持 collapse。

    定义搜索组件，在 QueryComponent 附近：

     
    1. <searchComponent name="collapse" class="org.apache.solr.handler.component.CollapseComponent" />  

    定义一个 handler 使用上面的搜索组件：

     
    1. <requestHandler name="collapse" class="solr.SearchHandler">  
    2.   <!-- default values for query parameters -->  
    3.    <lst name="defaults">  
    4.      <str name="echoParams">explicit</str>  
    5.    </lst>  
    6.   <arr name="components">  
    7.     <str>collapse</str>  
    8.     <str>debug</str>  
    9.   </arr>  
    10. </requestHandler>  

    安装启动 tomcat，现在提交一些数据给它，用官方的示例数据就可以了。运行：

    D:\apache-solr-1.3.0\example\exampledocs>java -Durl=http://localhost:8080/solr/update -Dcommit=yes -jar post.jar *.xml
    SimplePostTool: version 1.2
    SimplePostTool: WARNING: Make sure your XML documents are encoded in UTF-8, other encodings are not currently supported
    SimplePostTool: POSTing files to http://localhost:8080/solr/update..
    SimplePostTool: POSTing file hd.xml
    SimplePostTool: POSTing file ipod_other.xml
    SimplePostTool: POSTing file ipod_video.xml
    SimplePostTool: POSTing file mem.xml
    SimplePostTool: POSTing file monitor.xml
    SimplePostTool: POSTing file monitor2.xml
    SimplePostTool: POSTing file mp500.xml
    SimplePostTool: POSTing file sd500.xml
    SimplePostTool: POSTing file solr.xml
    SimplePostTool: POSTing file spellchecker.xml
    SimplePostTool: POSTing file utf8-example.xml
    SimplePostTool: POSTing file vidcard.xml
    SimplePostTool: COMMITting Solr index changes..

    http://localhost:8080/solr/admin/stats.jsp 有结果了？ 有了。然后开始查询试试看。

    查询：http://localhost:8080/solr/select/?q=*%3A*&indent=on&qt=collapse&collapse=true&collapse.field=popularity&collapse.threshold=1

    结果：

     
    1. <?xml version="1.0" encoding="UTF-8"?>  
    2. <response>  
    3.   
    4. <lst name="responseHeader">  
    5.  <int name="status">0</int>  
    6.  <int name="QTime">0</int>  
    7.  <lst name="params">  
    8.   <str name="collapse.field">popularity</str>  
    9.   <str name="fl">id</str>  
    10.   <str name="collapse.threshold">1</str>  
    11.   <str name="indent">on</str>  
    12.   <str name="q">*:*</str>  
    13.   <str name="qt">collapse</str>  
    14.   <str name="collapse">true</str>  
    15.  </lst>  
    16. </lst>  
    17. <lst name="collapse_counts">  
    18.  <str name="field">popularity</str>  
    19.  <lst name="doc">  
    20.   <int name="SP2514N">4</int>  
    21.   <int name="F8V7067-APL-KIT">1</int>  
    22.   <int name="MA147LL/A">1</int>  
    23.   <int name="TWINX2048-3200PRO">1</int>  
    24.   <int name="VS1GB400C3">3</int>  
    25.   <int name="1">10</int>  
    26.  </lst>  
    27.  <lst name="count">  
    28.   <int name="6">4</int>  
    29.   <int name="1">1</int>  
    30.   <int name="10">1</int>  
    31.   <int name="5">1</int>  
    32.   <int name="7">3</int>  
    33.   <int name="0">10</int>  
    34.  </lst>  
    35.  <str name="debug">HashDocSet(6) Time(ms): 0/0/0/0</str>  
    36. </lst>  
    37. <result name="response" numFound="6" start="0">  
    38.  <doc>  
    39.   <str name="id">SP2514N</str>  
    40.  </doc>  
    41.  <doc>  
    42.   <str name="id">F8V7067-APL-KIT</str>  
    43.  </doc>  
    44.  <doc>  
    45.   <str name="id">MA147LL/A</str>  
    46.  </doc>  
    47.  <doc>  
    48.   <str name="id">TWINX2048-3200PRO</str>  
    49.  </doc>  
    50.  <doc>  
    51.   <str name="id">VS1GB400C3</str>  
    52.  </doc>  
    53.  <doc>  
    54.   <str name="id">1</str>  
    55.  </doc>  
    56. </result>  
    57. </response>  

    可以看到 collapse_counts 相关的输出：

     
    1. <lst name="collapse_counts">  
    2.  <str name="field">popularity</str>  
    3.  <lst name="doc">  
    4.   <int name="SP2514N">4</int>  
    5. ...  
    6.  </lst>  
    7.  <lst name="count">  
    8.   <int name="6">4</int>  
    9.   <int name="1">1</int>  
    10.   <int name="10">1</int>  
    11.   <int name="5">1</int>  
    12.   <int name="7">3</int>  
    13.   <int name="0">10</int>  
    14.  </lst>  
    15.  <str name="debug">HashDocSet(6) Time(ms): 0/0/0/0</str>  
    16. </lst>  

    上面的 count 下的内容（它的顺序是result/doc的顺序），表示 popularity=6 相同的结果还有 4 个，与 popularity=1 相同的结果还有 1 个，依此类推。这样就可以显示给用户的界面里提示“相同的其它内容不有N个”。

    使用的参数有：

     
    1. #启用 collapse 组件  
    2. collapse=true  
    3. #用那个字段来 hash 去除重量内容  
    4. collapse.field=popularity  
    5. #要结果中可以最多出现几个相同的文档  
    6. collapse.threshold=1  

    当然还有其它参数，请看：org.apache.solr.common.params.CollapseParams 类。

    原文出处：http://blog.chenlb.com/2009/04/apply-solr-collapsing-patch-remove-duplicate-result.html

     
  • 相关阅读:
    今日SGU 5.27
    今日SGU 5.26
    今日SGU 5.25
    软件工程总结作业
    个人作业——软件产品案例分析
    个人技术博客（α）
    结对作业二
    软工实践 二
    软工实践 一
    《面向对象程序设计》六 GUI
  • 原文地址：https://www.cnblogs.com/ibook360/p/2232021.html
Copyright © 2020-2023  润新知