SOLR

Búsqueda facetada con SOLR (guía rápida)

1. Introducción a SOLR. Explicación de qué es y cómo funciona la búsqueda facetada en SOLR: http://www.lucidimagination.com/Community/Hear-from-the-Experts/Articles/Faceted-Search-Solr, escrito por Yonik Seeley, el creador de SOLR.

2. Cómo probar SOLR en 5 minutos: http://lucene.apache.org/solr/tutorial.html

3. Un ejemplo de query con restricciones (lo que sigue es lo que se debe escribir en la URL del navegador): localhost:8983/solr/select?q=monitor&fl=name,popularity,manu&facet=on&facet.field=manu&fq=popularity:6&fq=manu:"Dell,%20Inc

4. La sintaxis completa de query: http://wiki.apache.org/solr/SimpleFacetParameters

2. Instrucciones para comenzar con SOLR

1. Descargar SOLR desde http://www.eu.apache.org/dist//lucene/solr/1.4.1/apache-solr-1.4.1.tgz y desplegar el contenido.

2. Instalar sudo aptitude install curl

3. java -jar start.jar en apache-solr-1.4.1/example

4. sh post.sh *.xml en apache-solr-1.4.1/example/exampledocs

5. Importante si se cambia el esquema (schema.xml):

   1. Parar SOLR.

   2. Borrar el índice (rm -r solr/data/index)

   3. Rearrancar (start.jar)

   4. Reindexar (post.sh)

6. Cuidado con UTF8 y tomcat: http://wiki.apache.org/solr/SolrTomcat

7. Cómo añadir clases propias (como un nuevo TokenFilter): crear el jar, ubicarlo en algún directorio lib y añadir el path en solr/conf/solrconfig.xml (por ejemplo <lib path=”lib/MyTokenFilter.jar”/>

Ejemplo de schema.xml

<schema name="example" version="1.2"> <!--1.2" is Solr's version-->

<types>

  <fieldType name="string" class="solr.StrField" sortMissingLast="true" omitNorms="true"/>

  <fieldType name="text" class="solr.TextField" positionIncrementGap="100" >

    <analyzer>

      <tokenizer class="solr.PatternTokenizerFactory"

         pattern="((\p{L}+([-\x26'+/@_~·.]\p{L}+)*)|([\p{Nd}\p{Nl}\p{No}]+([-',./][\p{Nd}\p{Nl}\p{No}]+)*[%]?))"

         group="0"

      />

      <filter class="solr.PatternReplaceFilterFactory"

              pattern="[.]" replacement="" replace="all"/>

      <filter class="solr.LowerCaseFilterFactory"/>

    </analyzer>

  </fieldType>

</types>

<fields>

   <field name="id" type="string" indexed="true" stored="true" required="true"/>

  <field name="name" type="text" indexed="true" stored="true"/>

  <field name="date" type="text" indexed="true" stored="true"/>

  <field name="ALTname" type="text" indexed="true" stored="true" multiValued="true"/>

</fields>

<uniqueKey>id</uniqueKey>

<defaultSearchField>name</defaultSearchField>

<solrQueryParser defaultOperator="AND"/>

</schema>

Cambios en SOLR 4.1 con respecto a 1.4

El esquema schema.xml debe contener un campo _version_:

<field name="_version_" type="string" indexed="true" stored="true" multiValued="false"/>

En solrconfig.xml hay un campo por defecto para las búsquedas:

<str name="df">text</str>

lo que generará un error al arrancar SOLR si el esquema no tiene ese campo definido.

3. Dificultades y riesgos con SOLR

• Peligros: http://www.lucidimagination.com/blog/2010/01/21/the-seven-deadly-sins-of-solr/

• Estrategias para actualizar el índice: http://blogs.7digital.com/dev/2010/07/07/commit-strategies-for-incremental-solr-updates/

• Falta de soporte para información anidada o jerárquica: http://lucene.472066.n3.nabble.com/One-item-multiple-fields-and-range-queries-td475030.html

• Más sobre la cuestión: http://www.slideshare.net/MarkHarwood/proposal-for-nested-document-support-in-lucene

• Tiempos típicos de indexación (66.000 registros MARC, 2GB RAM, 2.8GHz): 35 minutos de subida (6 minutos de de usuario) pero sólo 2,5 segundos de commit. Tamaño del índice: 48MB