O que Solr? uma robusta ferramenta de busca corporativa de cdigo aberto baseada no Apache Lucene.
Configurao do Solr
Configurao do Solr Para criar um novo Core necessrio criar uma nova pasta no diretrio apache-solr/solr com o nome desejado sem caracteres especiais ou espao. Ex.: apache-solr/solr/diariooficial Para a pasta diariooficial, subpastas conf, data
criar
conf: pasta de configurao do core
data: pasta onde so armazenados as informaes de indexao
Configurao do Solr Na pasta conf deve conter pelo menos dois arquivos: schema.xml, solrconfig.xml. Ambos arquivos so essenciais para configurao do Solr.
schema.xml: o modelo de dados, neste determinamos: os tipo de
dados de campos, os campos utilizados, chaves, obrigatoriedade, manerira de como os dados sero indexados. solrconfig.xml: neste determinamos: a localizao do diretrio de dados (pasta data), parmetros de cache, gestores de solicitaes e componentes de pesquisa.
schema.xml Para configurar um esquema recomendado copiar um schema.xml padro de exemplo do Solr (exemplo: apache-solr\exampleDIH\solr\solr\conf\schema.xml), assim teremos as definies de tipos bsicos pr-moldadas e bem documentados. Com o arquivo base podemos adequar as necessidades do core.
fieldType
A definio bsica de uma fieldType pode conter:
name: nome dado ao fieldType (obrigatrio)
class: nome da classe que implementa o fieldType (obrigatrio)
Propriedades do fieldType definidos pela class - dependendo da
classe de implementao, algumas propriedades podem ser obrigatria.
Se o tipo de campo TextField, definir a descrio da anlise de
<analyzer type="index"> : Como a informao armazenada <analyzer type="query"> : Como a informao ser buscada tokenizer : como as palavras sero quebradas para indexao. Apenas um tokenizer pode ser definido por analyzer (Link documentao) filter : filtro a serem aplicados aos termos.
<tokenizer class="solr.StandardTokenizerFactory"/> Esse tokenizer trata espaos em branco e pontuao como delimitadores <filter class="solr.LowerCaseFilterFactory"/> Os termos ficam em caixa baixa (minsculo)
Termos em ASCII, ignorando assim acentuaes e caracteres especiais <filter class="solr.StopFilterFactory" words="stopwords_pt.txt" ignoreCase="true"/> Ignorar palavras determinadas no arquivo stopwords_pt.txt (preposio, artigos, ) <filter class="solr.SynonymFilterFactory" synonyms="synonyms_pt.txt" ignoreCase="true" O filtro de sinnimos foi adicionado apenas para o analyzer de tipo query, devido a no haver a necessidade de indexar sinnimos. Na busca ser incrementada palavras sinnimos informadas no arquivo synonymos_pt.txt
Os arquivos stopwords_pt.txt e synonyms_pt.txt devem ser adicionados na pasta conf.
schema.xml
field
So as definies das informaes a serem indexas/armazenadas.
name: O nome do campo. Este deve apresentar caracteres alfanumricos e/ou underscore e no deve iniciar com nmero.
type: nome do fieldType associados a esse field
default: valor padro
indexed: determina se o field ser indexado, permitindo poder ser usado em consultas para recuperar documentos correspondentes
stored: o valor do campo pode ser recuperado em consulta
sortMissingFirst / sortMissingLast: ordenao de documentos por field
multiValued: indica que um nico documento pode conter vrios valores para esse tipo de campo
termVectors / termPositions / termOffsets / termPayloads: instrui o Solr a manter a
informaes (posio, deslocamento, ocorrncia) dos termos para cada documento. Estes podem ser utilizados acelerar o realce de termos buscados na exibio de documentos.
solrconfig.xml Para configurar um esquema recomendado copiar um sorlconfig.xml padro de exemplo do Solr (exemplo: apache-solr\example-DIH\solr\solr\conf\solrconfig.xml). Neste determinamos a localizao do diretrio de dados, parmetros de cache, gestores de solicitaes e componentes de pesquisa. <dataDir>${solr.data.dir:./solr/data}</dataDir> Usado para definir o diretrio de armazenamento de dados. <requestHandler name="standard" class="solr.SearchHandler" default="true"> <lst name="defaults"> <str name="echoParams">explicit</str> <!-<int name="rows">10</int> <str name="fl">*</str> <str name="version">2.1</str> --> </lst> </requestHandler> Configurao de manipulador responsvel por receber a solicitao HTTP, realizar a pesquisa e retornar resposta.
solrconfig.xml Para carregar documentos binrios e / ou estruturados, como o Office, Word, PDF e outros formatos proprietrios; e utilizado o Apache Tika, que fornece uma estrutura para envolver muitos analisadores de formato de arquivo diferentes. ExtractingRequestHandler do Solr usa Tika para permitir aos usurios fazer upload de arquivos binrios para Solr e ter texto extrado dele e, em seguida, index-lo. <requestHandler name="/update/extract" startup="lazy" class="solr.extraction.ExtractingRequestHandler" > <lst name="defaults"> <str name="lowernames">true</str> <str name="uprefix">ignored_</str> <str name="fmap.Last-Modified">last_modified</str> <!-- capture link hrefs but ignore div attributes --> <str name="captureAttr">true</str> <str name="fmap.a">links</str> <str name="fmap.div">ignored_</str> </lst> </requestHandler>
Criando o Core Para criar o Core, deve ser acessado o mdulo administrativo do Solr (http://[servidor]:[porta]/solr)
Criando o Core Acesse Core Admin , clique em Add Core , informe os parmetros e clique em Add Core 4
