你爲什麼需要搜索引擎?單純數據庫不夠用?如果你只是創建小網站,數據庫就夠了。但當你創建中性或大型應用的時候,搜索引擎是更明智的選擇。當然如是一說,小網站也可以利用Solr,獲得高相關性的搜索結果。
想象一下你在寫一個電子商務網站的搜索查詢程序。最直接的想法就是如下的數據庫查詢語句:
SELECT * FROM PRODUCTS
WHERE LOWER(title) like LOWER('%$phrase%')
OR LOWER(description) like LOWER('%$phrase%');
查詢標題或描述中的短語時,它工作正常。但是現實事物很複雜,比如說Apple iPhone 4G black 16GB(蘋果4G網絡iPhone黑色16GB)。搜索“iPhone 16G”的時候,就沒結果。你可以用%替換空格應付這種情況。
$phrase = str_replace(' ', '%', $phrase);
那麼查詢“iPhone 16GB 4G”的時候呢?顯然詞序改變了,它又無法正常工作。我猜你又會添加一個字段保存詞序。那麼寫錯詞怎麼辦?同義詞怎麼辦?爲如此的搜索系統想一個好的解決方案很有挑戰性。
設計一個精妙的算法不是解決這類問題的關鍵. 文本的搜素是需要消耗資源的. 將太多的壓力放在數據庫端永遠不是一個好辦法. 原因是數據庫不能很方便的擴展. 你不能像web server 或者 Memcached一樣,簡單的增加一個實例.擴展數據庫需要一些準備, 代碼的修改, 配置, down機維護時間, 總之成本是非常昂貴的. 好消息是Solr就是專門解決這類問題的.
Solr是一個基於Apache Lucene的企業級搜索平臺. 快,穩定, 有很好的文檔當然擴展起來也很方便. 由於Solr是有個強大的解決方案, 他的所有特性就不在這篇文章裏面一一列舉了. 這傢伙上收起來也是相當easy哦.
其它翻譯版本(1)
首先從官方網站下載最新的版本。Solr是一個由Java語言編寫的應用程序,你需要Java Runtime環境纔可以運行。
$ cd solr-4.1.0/example/
$ java -jar start.jar
大概幾秒鐘後你就可以看到下面的信息:
2013-03-09 18:47:41.177:INFO:oejs.AbstractConnector:Started [email protected]:8983
Solr有一個web界面,工作在8983端口下,打開瀏覽器訪問http://localhost:8983/solr/.
在左手邊的導航區你會找到“collection1″。在Solr中,Collections類似於數據庫的表,你可以查詢數據。點擊一個collection,選擇她的子菜單 “query”。
第一個選項叫 “Request-Handler (qt)”,擁有默認值 “/select”。Request handlers是一組預定義查詢. 如果你查看Solr config文件,你就會看到是這樣的:
$ vim solr-4.1.0/example/solr/collection1/conf/solrconfig.xml
<requestHandler name="/select" class="solr.SearchHandler">
<lst name="defaults">
<str name="echoParams">explicit</str>
<int name="rows">10</int>
<str name="df">text</str>
</lst>
</requestHandler>
第二個參數纔是我們最感興趣的。默認值 “*:*” 意味着查詢任何內容,如果你點擊“execute query” ,你可以得到像下面這樣的內容:
<?xml version="1.0" encoding="UTF-8"?>
<response>
<lst name="responseHeader">
<int name="status">0</int>
<int name="QTime">1</int>
<lst name="params">
<str name="indent">true</str>
<str name="q">*:*</str>
<str name="wt">xml</str>
</lst>
</lst>
<result name="response" numFound="0" start="0" />
</response>
索引結果爲空,但這不是什麼問題,你需要插入一些示例數據。
$ cd solr-4.1.0/example/exampledocs/
$ java -jar post.jar monitor.xml
SimplePostTool version 1.5
Posting files to base url http://localhost:8983/solr/update using content-type application/xml..
POSTing file monitor.xml
1 files indexed.
COMMITting Solr index changes to http://localhost:8983/solr/update..
現在你可以返回查詢界面,這次就會有一個文檔返回。
Collection的數據結構是在schema文件中定義的。
$ vim solr-4.1.0/example/solr/collection1/conf/schema.xml
這個文件有非常多的註釋,你可以很容易分辨出他們是做什麼的。如果你要修改scheme文件,請不要刪除名叫“text”的字段(如果沒很好的理由),他是和另外的字段和查詢語句中關聯的(包括select, look等等)。
$ grep text solr-4.1.0/example/solr/collection1/conf/schema.xml | grep copy
<copyField source="cat" dest="text"/>
<copyField source="name" dest="text"/>
<copyField source="manu" dest="text"/>
<copyField source="features" dest="text"/>
<copyField source="includes" dest="text"/>
<copyField source="title" dest="text"/>
<copyField source="author" dest="text"/>
<copyField source="description" dest="text"/>
<copyField source="keywords" dest="text"/>
<copyField source="content" dest="text"/>
<copyField source="content_type" dest="text"/>
<copyField source="resourcename" dest="text"/>
<copyField source="url" dest="text"/>
如果你使用的是關係數據庫,你不希望有重複的數據。Solr不是一個數據庫,多數字段也被處理成文本字段,默認request handler就是這樣。
從PHP訪問Solr需要一個客戶端。我建議從PECL下載一個。它快速,API清晰,文檔優良。不過要注意,這個擴展現在版本1.0.2,不支持Solr 4.x。Solr 3.x和4.x的協議有微小不同。不過別擔心,我已經做了修改,你可以從https://github.com/lukaszkujawa/php-pecl-solr下載兼容版本。我已經用了一段時間,是可靠的。它和官方的有點差別在SolrClient構造函數中多一個Solr版本參數。這個補丁將會發布在官方版本中,你不用擔心此後的兼容性。
$ git clone https://github.com/lukaszkujawa/php-pecl-solr.git
$ cd php-pecl-solr/
$ phpize
$ whereis php-config
php-config: /usr/bin/php-config /usr/bin/X11/php-config
$ ./configure --with-php-config=/usr/bin/php-config
$ make
$ make install
添加到你的php.ini
extension=solr.so
重啓Web服務器
$ /etc/init.d/apache2 restart
現在就可以寫php添加內容到索引中了。
<?php
$options = array (
'hostname' => '127.0.0.1',
);
$client = new SolrClient($options, "4.0"); // 參數4.0針對Solr4.x,其他版本時忽略
$doc = new SolrInputDocument();
$doc->addField('id', 100);
$doc->addField('title', 'Hello Wolrd');
$doc->addField('description', 'Example Document');
$doc->addField('cat', 'Foo');
$doc->addField('cat', 'Bar');
$response = $client->addDocument($doc);
$client->commit();
/* ------------------------------- */
$query = new SolrQuery();
$query->setQuery('hello');
$query->addField('id')
->addField('title')
->addField('description')
->addField('cat');
$queryResponse = $client->query($query);
$response = $queryResponse->getResponse();
print_r( $response->response->docs );
如果你添加的文檔不止一條,她也可以處理得很好,而不需要頻繁的commit。
知道Solr如何工作是很有價值的,你可以在很多項目中使用。她有個很棒的功能可以讓你一次請求就可以拉取所有需要的數據。當然,你掌握她需要耗費一些時間,但這值得你付出。Solr擁有一個活躍的社區和完整的文檔資源,如果你還擔心在項目中使用,請翻閱Solr 3 企業搜索服務器,她不僅僅是讓你快速搭建起搜索服務,還是你數據挖掘的基礎。