Solr練習3：索引自己的數(shù)據(jù)

本節(jié)是 Solr 教程的最后一個練習，對于最后一個練習，請使用您選擇的數(shù)據(jù)集。這可以是本地硬盤上的文件、之前使用過的一組數(shù)據(jù)，也可以是您打算為生產(chǎn)應用程序索引到 Solr 的數(shù)據(jù)的樣本。

這個練習是為了讓您思考您需要為您的應用程序做什么：

• 您需要索引哪些類型的數(shù)據(jù)？
  
• 您需要做些什么來為您的數(shù)據(jù)準備 Solr（例如，創(chuàng)建特定字段，設置復制字段，確定分析規(guī)則等）
• 您希望向用戶提供哪些類型的搜索選項？
  
• 您需要做多少測試才能確保一切按您期望的方式進行？

創(chuàng)建你自己的集合

在開始之前，創(chuàng)建一個新的集合，命名為任何您想要的名稱。在這個例子中，集合將被命名為 “l(fā)ocalDocs”；如果需要，請將該名稱替換為您選擇的任何名稱。

./bin/solr create -c localDocs -s 2 -rf 2

同樣，正如我們從上面的練習2中看到的，這將使用 _default configSet 和它提供的所有無架構(gòu)功能。正如我們前面提到的，當我們索引數(shù)據(jù)時，這可能會導致問題。在獲得正確的架構(gòu)之前，您可能需要多次對索引進行迭代。

Solr 提供的方法

Solr 有很多方法來索引數(shù)據(jù)。選擇下面的方法之一，并與您的系統(tǒng)一起試用：

帶有 bin / post 的本地文件

如果您有文件的本地目錄，則 Post Tool（bin/post）可以索引文件的目錄。我們在第一個練習中看到了這一點。

我們在練習中只使用了 JSON、XML 和 CSV，但 Post Tool 也可以處理 HTML、PDF、Microsoft Office 格式（如 MS Word）、純文本等等。

在這個例子中，假設在本地有一個名為 “Documents” 的目錄。要索引它，我們會發(fā)出這樣的命令（根據(jù)需要在-c參數(shù)后面糾正集合名稱）：

./bin/post -c localDocs ~/Documents

在文檔中工作時，可能會出現(xiàn)錯誤。這些可能是由字段猜測引起的，或者文件類型可能不被支持。像這樣的索引內(nèi)容表明需要為您的數(shù)據(jù)規(guī)劃 Solr，這需要了解它，也許還需要一些嘗試和錯誤。

DataImportHandler

Solr 包含一個稱為數(shù)據(jù)導入處理程序（DIH）的工具，它可以連接到數(shù)據(jù)庫（如果您有 jdbc 驅(qū)動程序），郵件服務器或其他結(jié)構(gòu)化數(shù)據(jù)源。有幾個例子包括 feeds 、GMail 和一個小的 HSQL 數(shù)據(jù)庫。

在example/example-DIH 中的README.txt文件將為您提供有關(guān)如何開始使用此工具的詳細信息。

SolrJ

SolrJ 是一個與 Solr 交互的基于 Java 的客戶端。將 SolrJ 用于基于 JVM 的語言或其他 Solr 客戶端，以編程方式創(chuàng)建要發(fā)送到 Solr 的文檔。

文檔屏幕

使用管理用戶界面文檔選項卡（位于 http：// localhost：8983 / solr /＃/ localDocs / documents）粘貼到要建立索引的文檔中，或者從Document Type下拉列表中選擇 Document Builder 以一次生成一個字段的文檔。單擊表單下方的“提交文檔（Submit Document）”按鈕以索引文檔。

更新數(shù)據(jù)

您可能會注意到，即使您不止一次在本教程中對內(nèi)容進行索引，也不會重復找到的結(jié)果。這是因為 Solr 架構(gòu)（名為 managed-schemaor 或者 schema.xml 的文件）的示例指定了一個名為 id 的 uniqueKey 字段。無論何時您將命令發(fā)送到 Solr 以添加具有與 uniqueKey 現(xiàn)有文檔相同的值的文檔，它就會自動替換為您的文檔。

通過查看 Solr 管理 UI 的核心特定概述部分中的 numDocs 和 maxDoc 的值，您可以看到發(fā)生了這種情況。

numDocs 表示索引中可搜索文檔的數(shù)量（由于某些文件包含多個文檔，因此將大于 XML、JSON 或 CSV 文件的數(shù)量）。該 maxDoc 值可能會更大，因為 maxDoc 計數(shù)包括邏輯上已刪除但尚未從索引中刪除的文檔。您可以反復張貼示例文件，只要您想，numDocs 永遠不會增加，因為新文檔將不斷地替換舊的。

繼續(xù)并編輯任何現(xiàn)有的示例數(shù)據(jù)文件，更改一些數(shù)據(jù)，然后重新運行 PostTool（bin/post）。您將看到在后續(xù)搜索中反映的更改。

刪除數(shù)據(jù)

如果您需要迭代幾次才能使架構(gòu)正確，那么您可能需要刪除文檔以清除集合，然后重試。但請注意，僅刪除文檔并不會更改基礎字段定義。實質(zhì)上，這將允許您在根據(jù)需要更改字段之后重新索引數(shù)據(jù)。

您可以通過向更新 URL 發(fā)布刪除命令并指定文檔的唯一鍵字段的值或與多個文檔匹配的查詢（請注意該字段?。﹣韯h除數(shù)據(jù)。如果我們正確地構(gòu)建請求，我們也可以使用 bin 或者 post 刪除文檔。 

執(zhí)行以下命令刪除特定的文檔：

bin/post -c localDocs -d "<delete><id>SP2514N</id></delete>"

要刪除所有文檔，可以使用“刪除查詢”命令：

bin/post -c localDocs -d "<delete><query>*:*</query></delete>"

您也可以修改上述內(nèi)容，只刪除與特定查詢匹配的文檔。

Solr 練習3總結(jié)

在這一點上，您已經(jīng)準備好開始自己的工作了。

當您準備好停止 Solr 并刪除所有與之合作的例子并重新開始時，您就可以跳過整個包了。