转载请标明出处：http://www.cnblogs.com/chlde/p/3768733.html
1.如何将solr部署，请参考之前的文章
2.按上述配置好后，在solr_home文件夹中，将包含collection1文件夹，这就是solr的一个实例。下面我们来看看collection1中的文件内容。
collection1中包含conf和data两个子文件夹。data中包含tlog和index（如果没有也没关系，稍后再solr建立索引时，将会被创建）。tlog是记录日志的文件夹，index是存放索引的文件夹。conf中包含lang文件夹和若干文件。lang文件夹中包含的是词库文件，但是solr默认是没有中文词库的，所以之后会将中文词库加入该文件夹中。在conf中，包含了若干xml文件，我们针对solr配置，是需要配置solrconfig.xml和schema.xml即可。下面我们讲一下如何配置这两个文件。
3.先配置solrconfig.xml。solrconfig.xml是solr的核心文件。这里包含了jar包引用，数据库读取路径配置，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，最后两行是数据导入的handler，这包含了从数据库读取数据所需要的jar包。这些jar的目录都在solr_home\contrib这个文件夹中。
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
>
这里需要你创建一个新的xml文件，放在conf文件夹中，命名为data-config.xml。内容如下
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两个大标签。datasource正如其名，包含了数据库的配置信息。document包含了entity。entity就是一个从数据库读取数据的动作。
query就是读取数据所用的sql，field是数据库中的字段与schma中的字段进行匹配的列表。稍后在schma.xml的介绍中，将会详细说明。
我们回到solrconfig.xml中，requestHandler这里定义了相应http请求的接口。如之前配置的name为/dataimport接口，在中间件启动后，访问http://localhost:8080/solr/collection1/dataimport即可查看数据导入的状态。若执行命令，便可执行http://localhost:8080/solr/collection1/dataimport
?command=full-import
即可（这句的含义是全部重新索引，之前的索引将被删除），其他命令，请参考http://www.cnblogs.com/llz5023/archive/2012/11/15/2772154.html。同理，通过相同的形式，即可实现对solr的增删改查。这里还能对requestHandler进行一些高级配置，感兴趣的同学可以到apache-solr-ref-guide-4.8中阅读。
4.schma.xml配置。schma.xml完成了对索引数据的类型配置和索引一些相关动作的配置（如分词方法配置）。
solr需要为每条索引定义一个id作为主键，而且在查询中必须要有字段与主键id进行对应，否则将会报错。如在data-config中的Guid与id进行匹配，将guid作为主键。
field为solr索引的基本类型，type的值与fieldType对应，即通过type为每个field指定一个fieldType，而fieldType将为field规定如何进行索引。
例如，我们将用mmseg4j对中文进行索引
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，我们定义了三个fieldType，这三个表示了对中文进行索引的三种方式。都属于solr.TextField类。analyzer均为mmseg4j，只是使用的mode不同。dicPath即为词库所在位置。
1
<
field
name
="question1_type"
type
="text_chn_maxword"
indexed
="true"
stored
="true"
/>
这里定义了一个名为question1_type的field，使用text_chn_maxword方式进行索引。
这里有一点是要注意的，solr中是没有and的，所以，要在多个字段查询匹配的关键字，要使用到copyField这个类型。
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"
/>
这里就是将question2_title和question2_body共同索引到question2_text中，这样只要question2_title或question2_body任意被关键字匹配，就会将question2_text返回。注意question2_text的multiValued="true"，这点是必须的。
5.遇到的问题
中文词库下载
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中会有bug
https://code.google.com/p/mmseg4j/
JAVA工程师：chlde2500@gmail.com
