Apache Solr Tutorial: Co je Solr? Architektura a instalace

Co je Apache Solr?

Apache Solr je open-source platforma vyhledávacího serveru napsaná v Java jazyk od softwarové nadace Apache. Je vysoce škálovatelný a připravený k nasazení vyhledávače pro zpracování velkého objemu textově orientovaných dat. Účelem použití Apache Solr je indexovat a prohledávat velké množství webového obsahu a poskytovat relevantní obsah na základě vyhledávacího dotazu.

Apache Solr je obal HTTP založený na REST-API kolem fulltextového vyhledávače s názvem Apache Lucene. Invertovaný rejstřík je seznam slov, kde každé slovo odkazuje na dokumenty, ve kterých je uloženo. Tímto způsobem získáte všechny dokumenty pro vyhledávací dotaz „guru99“ jednoduchou operací „get“.

Historie Apache Solr

1999: Doug Cutting publikoval Lucene
2004: Solr vyvinul v CNET Yonik Seeley jako interní projekt dílčí společnosti
2006: CNET publikuje zdrojový kód tím, že jej daruje softwaru Apache Foundation
2008: Vydán Solr 1.3 s vylepšenými možnostmi vyhledávání a vylepšeními výkonu
2010: Fúze Lucene a Solr
2012: Byla vydána verze Solr 4.0 s novou funkcí Solr Cloud
2016: Vydán Solr 6.0, který nabízí podporu pro provádění paralelních SQL dotazů

Vlastnosti Apache Solr

Zde jsou důležité funkce Apache Solr:

Automatické vyvažování zátěže
Otevřená rozhraní založená na standardech – XML, JSON a HTTP
Doporučení a návrhy pravopisu jsou podporovány
Podpora automatického dokončování a geoprostorového vyhledávání
Vestavěné zabezpečení pro autentizaci a autorizaci
Umožňuje provádět vícejazyčné vyhledávání klíčových slov
Automatické doplňování/předvídání psaní
Dávkové a streamingové zpracování
Vytváření modelů strojového učení je snadné
Speciálně optimalizované pro vysokoobjemový webový provoz
Komplexní HTML obdivovací rozhraní
Podporuje konfiguraci Schema i Schemaless
Fasetové vyhledávání a filtrování
Centrální konfigurace pro celý Cluster

Klíčové pojmy používané v Apache Solr

Nyní v tomto tutoriálu pro vyhledávač Solr se dozvíme o klíčových termínech používaných v Apache Solr:

Klíčový termín	Description
Solr Core	Solr Core lze definovat jako index textů a polí odvozených ze všech dokumentů. Jedna instance Solr může mít jedno nebo více jader Solr. Core = instance konfigurace Lucene Index + Solr
Instance Solr	Instance Solr je instance Solr spuštěná v Java Virtuální stroj (JVM). V samostatném režimu nabízí pouze jednu instanci, zatímco v cloudovém režimu můžete mít jednu nebo více instancí.
Indexování	Indexování je metoda pro přidávání obsahu dokumentu do Solr Index. Apache Solr používá techniku Apache Lucene Inverted Index.
Dokument	Je to skupina polí a jejich hodnot. Dokument je základní jednotka dat uložená v Apache Core. Jedno jádro Apache může obsahovat jeden nebo více dokumentů.
Pole	Pole je pár klíč-hodnota, který ukládá skutečná data v dokumentu. Klíč určuje název pole a hodnotu obsahující tato data pole. Dokument může mít jedno nebo více polí. Používá ho Apache Solr k indexování obsahu dokumentu.
Klidná API	Pro komunikaci se Solrem není nutné používat Java programování. Místo toho poskytuje Apache Solr klidné služby s tím komunikovat. Můžete odesílat dokumenty a přijímat výsledky v různých formátech souborů, jako jsou JSON, XML a CSV.
Fulltextové vyhledávání	Solr nabízí funkce pro fulltextové vyhledávání, jako jsou tokeny, fráze, kontrola pravopisu, automatické doplňování, zástupné znaky atd.
Správcovské rozhraní	Solr nabízí snadno použitelné, uživatelsky přívětivé, funkcemi poháněné uživatelské rozhraní. Pomocí rozhraní můžete provádět úkoly, jako je správa protokolů, přidávání, odstraňování, aktualizace a vyhledávání dokumentů.
Textově orientované a seřazené podle relevance	Apache Solr se používá k vyhledávání textových dokumentů a výsledky jsou dodávány podle dotazu uživatele.
Uzel	V cloudu Solr je každá jednotlivá instance známá jako uzel.
Cluster	Cluster je kolekce uzlů.
Sbírka	Cluster má logický index, který se také nazývá kolekce.
Střep	Je to malá oblast kolekce, která nabízí jednu nebo více replik indexu.
Replika	Replika je kopie fragmentu, který běží v uzlu.
Vůdce	Je to replika úlomku, který posílá požadavky Solr Cloud na zbytek replik.

Apache Solr Architecture

Nyní v tomto tutoriálu pro vyhledávání Solr se pojďme dozvědět o Apache Solr Archistruktura:

Apache Solr kompromituje následující komponenty

Dotaz

Analyzátor dotazů analyzuje dotazy, které musíte předat Solr. Ověří váš dotaz a zkontroluje syntaktické chyby. Po analýze dotazů se převede do formátu, který Lucene zná.

Zpracovatel žádosti

Požadavek odeslaný do Apache Solr zpracovává obsluha požadavku. Požadavkem může být požadavek na dotaz nebo požadavek na aktualizaci indexu. Musíte vybrat zpracovatele požadavků podle svých požadavků. Chcete-li předat požadavek Solr, musíte namapovat obslužnou rutinu na konkrétní koncový bod adresy URL.

Response Writer

Zapisovatel odpovědí bude generovat formátované výstupy pro vstupní dotazy. Podporuje různé formáty jako XML, JSON, CSV.atd. Pro různé typy požadavků můžete mít různé autory odpovědí.

Aktualizovat obslužný program

Když odešlete požadavek na aktualizaci Apache Solr, je spuštěn prostřednictvím sady pluginů, podpisu, protokolování, indexování. Tento proces je známý jako procesor žádosti o aktualizaci. Obslužný program aktualizací je také zodpovědný za úpravy, jako je přidání nebo odstranění souboru atd.

Aplikace Apache Solr

editaci videa	Používání
Intranetový portál	Snadný přístup k vyhledávání Spuštění aplikace Upozornění na novinky a události Ověření jednotného přihlášení
Federovaný klient	Zjednodušená prezentace Vyhledávejte v celém obsahu Pouze autorizovaný přístup Prohlížení dokumentů
Datové sady přístrojů	Optimalizováno pro vědce Nabídky závislé na datech Specializované mřížkové filtry
Regulační dokumenty	Určeno pro výzkumníky Bohatý přístup k metadatům Tabulkové exporty Zobrazit akcelerátor dokumentů
Zabudováno do aplikace PLM	Nabízí lepší zážitek z vyhledávání, než by mohl poskytnout RDBMS Bezpečnostní model s pozdním vázáním Akce dokumentu zobrazené na panelu nástrojů

Jak nainstalovat Apache Solr?

Krok 1) Otevřete web a pokračujte k odběru
Přejděte na to https://trials.autocruitment.com, Klikněte na „Pokračovat k odběru“.

Krok 2) Klikněte na Přijmout podmínky
Na další stránce klikněte na Přijmout podmínky.

Krok 3) Počkejte nějakou dobu
Dále Počkejte nějakou dobu a poté je Požadavek po nějaké době přijat.

Krok 4) Pokračujte do Konfigurace
Obnovte stránku a klikněte na „Pokračovat ke konfiguraci“

Krok 5) Pokračujte ke spuštění
Ponechte výchozí nastavení a klikněte na „Pokračovat ke spuštění“.

Krok 6) Ponechte výchozí nastavení
Na další stránce Zachovat výchozí nastavení

Ujistěte se, že máte soubor pem klíče
Klikněte na „Spustit“

Uvidíte tuto zprávu o úspěchu

Krok 7) Všimněte si veřejného DNS
V konzole EC2 si poznamenejte veřejný DNS vaší instance

Krok 8) Otevřete níže adresu URL
Pro přístup k Solr jednoduše použijte URL

http://publicdns:8983

v našem případě se stává

http://ec2-18-221-175-53.us-east-2.compute.amazonaws.com:8983

Poznámka: Pokud máte potíže s přístupem k instanci, změňte ve své instanci příchozí a odchozí pravidla tak, aby povolila veškerý provoz, jak je znázorněno v níže uvedeném příkladu dotazu Solr:

Elasticsearch vs. Apache Solr

parametry	Apache Solr	Elastické vyhledávání
Příroda	Jedná se o open source projekt.	Nejedná se o open-source projekt.
Statický stav	Statické v shema.xml	Statické v elasticsearch.yml
Formát	XML, CSV, JSON	Pouze JSON
index	Lze znovu načíst za běhu s kolekcí/obnovením jádra	Definováno během vytváření indexu/typu pomocí volání REST
Dokumentace	Je to dobře zdokumentováno.	Je to špatně zdokumentováno.
Štípání střepů	Možný	Není to možné

Výhody Apache Solr

Pomáhá zkrátit dobu potřebnou k nalezení informací
Je to rychlý, jednoduchý, výkonný a flexibilní vyhledávač
Pomáhá vám zpřístupnit vaše produkty a služby
Zvyšte útratu zákazníků za webovou aplikaci
Pomáhá vám zlepšit uživatelskou zkušenost s webovou aplikací za účelem zvýšení příjmů a zisku
Komplexní administrační rozhraní založené na HTML
Flexibilní a adaptabilní s konfigurací XML
Rozšiřitelný plugin Architecture
Vysoce škálovatelný, robustní vyhledávač odolný proti chybám
Podporuje distribuované, stínování, replikace, Clustering a Multi-Node Architecture

Nevýhody Apache Solr

Nejedná se o úložiště dat kompatibilní s ACID
Není užitečné jako primární úložiště dat. Užitečné pouze jako sekundární úložiště dat
Not nabízí podporu pro transakce a distribuované transakce
Nepodporuje spojení a složité dotazy
Není optimální pro normalizovaná data