初学solr

---

启动solr，运行techproducts示例，使用smartcn中文分词包，加载mmseg4j中文分词包（solr7.3.1）

1. 启动错误

在下载解压完solr后，遇到的第一个问题是启动不了solr，执行以下指令后

bin/solr start -e techproducts

出现如下错误：

启动错误
经过查找资料，solr默认不允许root用户进行操作，而通过

ls -l

我们可以发现目录的拥有者是root

image

在非root账户下，在solr的上一级目录，使用如下指令修改solr目录的拥有者

sudo chown -R 用户：用户组 solr-7.3.1/

此时在启动solr，就会发现一切OK

2. 启动techproducts样例

输入以下指令启动样例

bin/solr start -e techproducts

启动成功

image
在本地电脑浏览器中输入以下地址访问Solr Admin UI（将localhost换成云服务器的公网IP，有风险，只要他人知道公网IP，即可操作你的solr）

http://localhost:8983/solr

image

基础查询

image

分面查询

界面上找不到的参数在下面的方框中输入

image
image
image
网页查询页面（包括分面查询）
image

3. Solr配置中文分词包smartcn

1. 确定smartcn所在位置

/usr/src/solr-7.3.1/contrib/analysis-extras/lucene-libs

2. 在/usr/src/solr-7.3.1/example/techproducts/solr/techproducts/conf下的solrconfig.xml中添加如下语句，加载smartcn包

<lib dir="${solr.install.dir:../../../..}/contrib/analysis-extras/lucene-libs/"
regex="lucene-analyzers-smartcn-\d.*\.jar" />

3. 在/usr/src/solr-7.3.1/example/techproducts/solr/techproducts/conf下的managed-schema中，新建一个字段类型text_chinese，用以处理中文分词。

<fieldType name="text_chinese" class="solr.TextField" positionIncrementGap="100">
    <analyzer>
        <tokenizer class="org.apache.lucene.analysis.cn.smart.HMMChineseTokenizerFactory"/>
    </analyzer>
</fieldType>

中文分词效果

image

中英文混合分词效果

image

新词处理

image

从新词处理可以看出smartcn有很大的缺陷，对于新的中文词，只能将其按字进行分词。

4. Solr配置中文分词包mmseg4j和词典文件

1. 将mmseg4j-core-1.10.0.jar与mmseg4j-solr-2.4.0.jar两个jar包复制如下文件夹（若无lib，则新建lib目录）
   /usr/src/solr-7.3.1/example/techproducts/solr/techproducts/lib

2. 从mmseg4j-core-1.10.0.jar的data文件夹中提取出的3个词典文件放入/usr/src/solr-7.3.1/example/techproducts/solr/techproducts/dic，如下图:

   
   image
3. 修改managed-schema文件，添加3个新的中文分词字段类型和指定词典路径：

    <fieldtype name="textComplex" class="solr.TextField" positionIncrementGap="100">
      <analyzer>
          <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" 
              dicPath="/usr/src/solr-7.3.1/example/techproducts/solr/techproducts/dic"/>
      </analyzer>
    </fieldtype>
    <fieldtype name="textMaxWord" class="solr.TextField" positionIncrementGap="100">
      <analyzer>
          <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" 
              dicPath="/usr/src/solr-7.3.1/example/techproducts/solr/techproducts/dic"/>
      </analyzer>
    </fieldtype>
    <fieldtype name="textSimple" class="solr.TextField" positionIncrementGap="100">
      <analyzer>
          <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" 
              dicPath="/usr/src/solr-7.3.1/example/techproducts/solr/techproducts/dic" />
      </analyzer>
    </fieldtype>

4. 重启solr服务器
5. 进入solr Amdin界面，使用textSimple模式
   image
6. 如上所示，小目标、老司机、洪荒之力、吃瓜群众、蓝瘦香菇等词被拆分，在word.dic文件末尾，根据我们目标的分词效果，添加自定义词汇，添加完之后，再次重启solr服务器
   image
   最终的分词效果如图：
   image