Solr 和 Lucene的关系

Solr是一个基于Lucene java库的企业级搜索服务器,包含XML/HTTP,JSON API, 高亮查询结果,faceted search(不知道该如何翻译,片段式搜索),缓存,复制还有一个WEB管理界面。Solr运行在Servlet容器中。所以Solr和Lucene的本质区别有以下三点:搜索服务器,企业级和管理。Lucene本质上是搜索库,不是独立的应用程序,而Solr是。

Lucene专注于搜索底层的建设,而Solr专注于企业应用。Lucene不负责支撑搜索服务所必须的管理,而Solr负责。

所以说,一句话概括Solr: Solr是Lucene面向企业搜索应用的扩展。

我们先看看Solr向我们承诺了什么,或者说Solr宣称的特性。

Solr的历史

2004年 CNET 开发 Solar,为 CNET 提供站内搜索服务。

2006年1月捐献给 Apache ,成为 Apache 的孵化项目。一年后 Solr 孵化成熟,发布了1.2版,并成为 Lucene 的子项目。

2010年6月,solr 发布了的1.4.1版,这是1.4的 bugfix 版本,1.4.1的solr使用的lucene是2.9版本的

solr 从1.4.x版本以后,为了保持和lucene同步的版本,solr直接进入3.0版本。

Solr的特性

Solr是一个拥有象WebService一样接口的独立运行的搜索服务器。你将能够通过HTTP协议以XML格式将文档放入搜索服务器(这个过程叫做索引),你能够通过HTTP协议的GET来查询搜索服务器并且得到XML格式的结果。Solr的特性包括:

[list]
[]高级的全文搜索功能
[
]专为高通量的网络流量进行的优化
[]基于开放接口(XML和HTTP)的标准
[
]综合的HTML管理界面
[]可伸缩性-能够有效地复制到另外一个Solr搜索服务器
[
]使用XML配置达到灵活性和适配性
[*]可扩展的插件体系
[/list]

Solr使用Lucene并且扩展了它!

[list]
[]一个真正的拥有动态域(Dynamic Field)和唯一键(Unique Key)的数据模式(Data Schema)
[
]对Lucene查询语言的强大扩展!
[]支持对结果进行动态的分组和过滤
[
]高级的,可配置的文本分析
[]高度可配置和可扩展的缓存机制
[
]性能优化
[]支持通过XML进行外部配置
[
]拥有一个管理界面
[]可监控的日志
[
]支持高速增量式更新(Fast incremental Updates)和快照发布(Snapshot Distribution)
[/list]

Schema(模式)

[list]
[]定义域类型和文档的域
[
]能够驱动智能处理
[]声明式的Lucene分析器规范
[
]动态域能够随时增加域
[]拷贝域功能允许对一个域进行多种方式的索引,或者将多个域联合成一个可搜索的域
[
]显式类型能够减少对域类型的猜测
[*]能够使用外部的基于文件的终止词列表,同义词列表和保护词列表的配置
[/list]

查询

[list]
[]拥有可配置响应格式(XML/XSLT,JSON,Python,Ruby)的HTTP接口
[
]高亮的上下文搜索结果
[]基于域值和显式查询的片段式搜索(Faceted Search)
[
]对查询语言增加了排序规范
[]常量的打分范围(Constant scoring range)和前缀式查询-没有idf,coord,或者lengthNorm因子,对查询匹配的词没有数量限制
[
]函数查询(Function Query)-通过关于一个域的数值或顺序的函数对打分进行影响
[*]性能优化
[/list]

核心

[list]
[]可插拔的查询句柄(Query Handler)和可扩展的XML数据格式
[
]使用唯一键的域能够增强文档唯一性
[]能够高效地进行批量更新和删除
[
]用户可配置的文档索引变化触发器(命令)
[]并发控制的搜索器
[
]能够正确处理数字类型,从而能够进行排序和范围搜索
[]能够控制缺失排序域的文档
[
]支持搜索结果的动态分组
[/list]

缓存

[list]
[]可配置的查询结果,过滤器,和文档缓存实例
[
]可插拔的缓存实现
[]后台缓存热启:当一个新的搜索器被打开时,可配置的搜索将它热启,避免第一个结果慢下来,当热启时,当前搜索器处理目前的请求(???)。
[
]后台自动热启:当前搜索器缓存中最常访问的项目在新的搜索器中再次生成,能够在索引器和搜索器变化的时候高速缓存常查询的结果
[]快速和小的过滤器实现
[
]支持自动热启的用户级别的缓存
[/list]

复制

[list]
[]能够将使用rsync传输时改变的索引部分有效的发布
[
]使用拉策略(Pull Strategy)来简化增加搜索器
[]可配置的发布间隔能够允许对时间线和缓存使用进行权衡选择
[
]管理接口
[]能够对缓存使用,更新和查询进行综合统计
[
]文本分析调试器,能够显示每个分析器每个阶段的结果
[*]基于WEB的查询和调试输出:解析查询输出,Lucene的explain方法细节,能够解释为何某个文档打分低,被排除在结果中等等
[/list]