轉載請標明出處：http://www.cnblogs.com/chlde/p/3768733.html
1.如何將solr部署，請參考之前的文章
2.按上述配置好后，在solr_home文件夾中，將包含collection1文件夾，這就是solr的一個實例。下面我們來看看collection1中的文件內容。
collection1中包含conf和data兩個子文件夾。data中包含tlog和index（如果沒有也沒關系，稍后再solr建立索引時，將會被創(chuàng)建）。tlog是記錄日志的文件夾，index是存放索引的文件夾。conf中包含lang文件夾和若干文件。lang文件夾中包含的是詞庫文件，但是solr默認是沒有中文詞庫的，所以之后會將中文詞庫加入該文件夾中。在conf中，包含了若干xml文件，我們針對solr配置，是需要配置solrconfig.xml和schema.xml即可。下面我們講一下如何配置這兩個文件。
3.先配置solrconfig.xml。solrconfig.xml是solr的核心文件。這里包含了jar包引用，數(shù)據(jù)庫讀取路徑配置，操作接口配置。
jar包配置如下
1
<
lib
dir
="../contrib/extraction/lib"
regex
=".*\.jar"
/>
2
<
lib
dir
="../dist/"
regex
="solr-cell-\d.*\.jar"
/>
3
4
<
lib
dir
="../contrib/clustering/lib/"
regex
=".*\.jar"
/>
5
<
lib
dir
="../dist/"
regex
="solr-clustering-\d.*\.jar"
/>
6
7
<
lib
dir
="../contrib/langid/lib/"
regex
=".*\.jar"
/>
8
<
lib
dir
="../dist/"
regex
="solr-langid-\d.*\.jar"
/>
9
10
<
lib
dir
="../contrib/velocity/lib"
regex
=".*\.jar"
/>
11
<
lib
dir
="../dist/"
regex
="solr-velocity-\d.*\.jar"
/>
12
13
<
lib
dir
="../contrib/dataimporthandler/lib"
regex
=".*\.jar"
/>
14
<
lib
dir
="../dist/"
regex
="solr-dataimporthandler-\d.*\.jar"
/>
其中，最后兩行是數(shù)據(jù)導入的handler，這包含了從數(shù)據(jù)庫讀取數(shù)據(jù)所需要的jar包。這些jar的目錄都在solr_home\contrib這個文件夾中。
配置dataimporthandler
<
requestHandler
name
="/dataimport"
class
="org.apache.solr.handler.dataimport.DataImportHandler"
>
<
lst
name
="defaults"
>
<
str
name
="config"
>
data-config.xml
</
str
>
</
lst
>
</
requestHandler
>
這里需要你創(chuàng)建一個新的xml文件，放在conf文件夾中，命名為data-config.xml。內容如下
1
<
dataConfig
>
2
<
dataSource
type
="JdbcDataSource"
3
driver
="com.mysql.jdbc.Driver"
4
url
="jdbc:mysql://localhost/yourDBname"
5
user
="root"
6
password
="root"
/>
7
<
document
>
8
<
entity
name
="question1"
query
="select Guid,title,QuesBody,QuesParse,QuesType from question1 where Guid is not null"
>
9
<
field
column
="Guid"
name
="id"
/>
10
<
field
column
="title"
name
="question1_title"
/>
11
<
field
column
="QuesBody"
name
="question1_body"
/>
12
<
field
column
="QuesParse"
name
="question1_parse"
/>
13
<
field
column
="QuesType"
name
="question1_type"
/>
14
</
entity
>
15
<
entity
name
="question2"
query
="select Guid,title,QuesBody,QuesParse,QuesType from question2 where Guid is not null"
>
16
<
field
column
="Guid"
name
="id"
/>
17
<
field
column
="title"
name
="question2_title"
/>
18
<
field
column
="QuesBody"
name
="question2_body"
/>
19
<
field
column
="QuesParse"
name
="question2_parse"
/>
20
<
field
column
="QuesType"
name
="question2_type"
/>
21
</
entity
>
22
</
document
>
23
</
dataConfig
>
如上，包含了datasource和document兩個大標簽。datasource正如其名，包含了數(shù)據(jù)庫的配置信息。document包含了entity。entity就是一個從數(shù)據(jù)庫讀取數(shù)據(jù)的動作。
query就是讀取數(shù)據(jù)所用的sql，field是數(shù)據(jù)庫中的字段與schma中的字段進行匹配的列表。稍后在schma.xml的介紹中，將會詳細說明。
我們回到solrconfig.xml中，requestHandler這里定義了相應http請求的接口。如之前配置的name為/dataimport接口，在中間件啟動后，訪問http://localhost:8080/solr/collection1/dataimport即可查看數(shù)據(jù)導入的狀態(tài)。若執(zhí)行命令，便可執(zhí)行http://localhost:8080/solr/collection1/dataimport
?command=full-import
?即可（這句的含義是全部重新索引，之前的索引將被刪除），其他命令，請參考http://www.cnblogs.com/llz5023/archive/2012/11/15/2772154.html。同理，通過相同的形式，即可實現(xiàn)對solr的增刪改查。這里還能對requestHandler進行一些高級配置，感興趣的同學可以到apache-solr-ref-guide-4.8中閱讀。
4.schma.xml配置。schma.xml完成了對索引數(shù)據(jù)的類型配置和索引一些相關動作的配置（如分詞方法配置）。
solr需要為每條索引定義一個id作為主鍵，而且在查詢中必須要有字段與主鍵id進行對應，否則將會報錯。如在data-config中的Guid與id進行匹配，將guid作為主鍵。
field為solr索引的基本類型，type的值與fieldType對應，即通過type為每個field指定一個fieldType，而fieldType將為field規(guī)定如何進行索引。
例如，我們將用mmseg4j對中文進行索引
1
<!--
Chinese
-->
2
<
fieldType
name
="text_chn_complex"
class
="solr.TextField"
>
3
<
analyzer
>
4
<
tokenizer
class
="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"
mode
="complex"
dicPath
="lang/chn.txt"
/>
5
</
analyzer
>
6
</
fieldType
>
7
<
fieldType
name
="text_chn_maxword"
class
="solr.TextField"
>
8
<
analyzer
>
9
<
tokenizer
class
="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"
mode
="max-word"
dicPath
="lang/chn.txt"
/>
10
</
analyzer
>
11
</
fieldType
>
12
<
fieldType
name
="text_chn_simple"
class
="solr.TextField"
>
13
<
analyzer
>
14
<
tokenizer
class
="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"
mode
="simple"
dicPath
="lang/chn.txt"
/>
15
</
analyzer
>
16
</
fieldType
>
如上，我們定義了三個fieldType，這三個表示了對中文進行索引的三種方式。都屬于solr.TextField類。analyzer均為mmseg4j，只是使用的mode不同。dicPath即為詞庫所在位置。
1
<
field
name
="question1_type"
type
="text_chn_maxword"
indexed
="true"
stored
="true"
/>
這里定義了一個名為question1_type的field，使用text_chn_maxword方式進行索引。
這里有一點是要注意的，solr中是沒有and的，所以，要在多個字段查詢匹配的關鍵字，要使用到copyField這個類型。
例如
1
<
field
name
="question2_title"
type
="text_chn_maxword"
indexed
="true"
stored
="true"
/>
2
<
field
name
="question2_body"
type
="text_chn_maxword"
indexed
="true"
stored
="true"
/>
3
4
<
field
name
="question2_text"
type
="text_chn_maxword"
indexed
="true"
stored
="true"
multiValued
="true"
/>
5
<
copyField
source
="question2_title"
dest
="question2_text"
/>
6
<
copyField
source
="question2_body"
dest
="question2_text"
/>
這里就是將question2_title和question2_body共同索引到question2_text中，這樣只要question2_title或question2_body任意被關鍵字匹配，就會將question2_text返回。注意question2_text的multiValued="true"，這點是必須的。
5.遇到的問題
中文詞庫下載
http://download.labs.sogou.com/dl/sogoulabdown/SogouW/SogouW.zip
mmseg4j需要使用2.0以上版本，2.0一下在solr4.8中會有bug
https://code.google.com/p/mmseg4j/
JAVA工程師：chlde2500@gmail.com
?
solr 4.8+mysql數(shù)據(jù)庫數(shù)據(jù)導入 + mmseg4j中文全文索引 配置筆記
更多文章、技術交流、商務合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
