基于Solr的索引擎研究与实现.doc

摘要 随着信息时代的来临，人们的生活、学习、工作和娱乐已经与信息技术充分的融为一体。随着群众对互联网参与度的增加和企事业单位信息化的逐步深入，信息量也成倍地增长，如何能更好地从浩如烟海的数字信息中快速、精准地查找到需要的信息，成为全国人民的迫切需求。尤其是处于信息化建设道路上的中小企业，如何快速且廉价地开放自己的信息检索系统，对于企业的成长至关重要。 本文介绍了搜索引擎的基本原理，对搜索引擎的一些核心技术进行了介绍与深入的分析；介绍了Lucene搜索引擎工具包的架构及其基本使用；对基于开源搜索引擎包 Lucene的搜索框架Solr进行架构、代码、配置等方面的研究；最后设计并实现了一个基于Solr1.3的简单可用的多库搜索引擎。整个设计过程致力于提高管理维护的方便性和可扩展性。 关键词：  Abstract With the advent of the information era, peoples lives, study, work and entertainment have been fully integrated with information technology. With the participation of the masses on the Internet and increase in the number of information-based enterprises, the amount of information has become several times as before. How to get useful information quickly and accurately has become an important thing to everyone. For the small and medium-sized enterprises, how to develop its own message retrieval system quickly and cheaply is essential for the growth of enterprises. In this paper, we introduce the basic principles of search engine and analyses a number of core technologies. I also introduce Lucene search engine tools, its basic framework and how to use it. We analyses Solr, which is an open source search engine based on Lucene, and its architecture, code, configuration. At last, we design and implement a simple multi-database search engine based on Solr1.3. Keywords: Lucene ; Solr ; Search Engine ; Spider ; Chinese Word Segmentation 目 录 前言 5 1.1 绪论 5 1.2 开源搜索引擎研究的意义和现状 7 第二章 中文搜索引擎关键技术 8 2.1 搜索引擎基本结构 8 2.2 中文分词 10 2.3 相关排序 13 2.4 搜索引擎响应速度 17 2.5 网络蜘蛛 18 第三章 开源搜索引擎Solr 20 3.1 搜索引擎包Lucene 20 3.1.1 Lucene简介 20 3.1.2 Lucene与Solr的关系 20 3.1.3 Lucene的结构 21 3.1.4 Lucene的使用 22 3.1.5 Lucene的评分公式 26 3.1.6 Lucene的搜索结果排序 27 3.2 Solr的介绍 28 3.2.1 Solr的特点与优势 28 3.2.2 Solr1.3的新特性 29 3.3 Solr的配置和使用 29 3.3.1 Solr1.3服务器的部署 29 3.3.2 Solr1.3体系结构图 30 3.3.3 solr.xml配置文件 31 3.3.4 schema.xml配置文件 31 3.3.5 solrconfig.xml配置文件 33 3.3.6 查询HTTP接口参数 36 3.4 Solr1.3的核心机制 36 3.4.1 内核调用机制 36 3.4.2 分库机制 37 3.4.3 缓存机制 37 第四章 基于Solr的搜索引擎