剖析solr实用性

我的使用经历

使用solr3.6版本，配合自己用lucene3.6建立的索引，搭建了一个搜索服务，前台通过http访问solr服务，获取由solr排序后的结果集。环境是linux ubuntu，servlet容器是tomcat。这个搜索服务是提供给php开发人员使用的。根据我现在对solr的理解和使用感受，我想说说solr这玩意儿的实用性。

我对solr的理解

solr包装了lucene之后，将整个搜索项目放入了Servlet容器里(jetty或者tomcat)，变成一个web service。与lucene不同的是，solr把索引的定制，建立，更改，查询全部放入自己的配置文件里。从scheme.xml和solrconfig.xml两个配置文件，我认为就看到了solr可以做到的一切。

具体说，scheme.xml里主要可以配置：分词工具，每个field类型采用的solr类，索引结构(field，STORE，ANALYZE)，默认搜索域，默认与或规则。作为一名使用过lucene的开发者，在看到官方一些solr构建索引的方式之后，我果断放弃了solr来建索引。solr多种方式建立索引的方式，是为了适合不同的场景和使用需求，无论是读xml，csv文件数据，和数据库交互读数据还是http方式的json更新索引，都让我觉得不底层。当然，这是solr包装了lucene后的结果。我觉得这种形式比较方便做工具的整合，比如你用Nutch或者别的工具爬数据，然后分析整理后变成一个http url或者存成了csv文件，紧接着通过Solr自动去读取建立索引，最后再用solr这个web服务提供搜索服务。而至少对于我来说，我想做的是我自己更细致地来处理数据的建索引过程。借着solr与lucene的兼容性，我自己用lucene建索引并放入solr的路径里提供搜索。

再看solrconfig.xml，它可以配置：索引文件路径，solr的三种缓存(filterCache, queryResultCache, documentCache)，索引更新及参数配置，索引查询时候的各种参数(默认字段，是否高亮，过滤字段，字段权重，打分公式等)。

的确，通过solr的这两个配置，一个搜索服务很可以简单搭建起来，但是我定义solr只是一个数据库层之上的东西，solr之上的代码如果仅仅通过solr的url传参方式得到搜索结果，只能是得到一个很通用的搜索结果集，无法个性化定制搜索。如果要更针对个性化的需求，在solr和前台之间还需要一层中间件，这层中间件应该需要做这些事：

1. 接受到前台传来的搜索词，对词进行个性化处理和赋权

2. 对搜索请求分发到不同索引文件和字段进行搜索（这里不是指分布式分发，只是逻辑上分发到不同索引块）

3. 从solr获得结果之后，再进行一些局部的排名和优化，甚至可以再过滤处理

我认为只要你自己可以写servlet，完全可以用lucene和servlet搭建一个比solr更具实用性和个性的搜索服务，而不像solr那么通用和高层（针对api的底层而言）。solrj提供了solr的java api，可以使用solr的api来类似lucene一样进行各种query的查询和处理，但是如果没有solrj呢？比如php，就只能通过solr的url做一些参数的拼凑，获得返回结果，实在有点太通用了。或者说，solr根本不是一个搜索引擎服务，否则是黑了“搜索引擎”这个词。它只是数据库之上的一层数据索引层，其他的东西你自己继续添加吧。

其实就我看到的网上的一些solr资料，无非是一些solr安装啊，配置啊，结合数据库，结合nutch搭建了一个服务啊之类的，总结就是都很通用，技术性都不强，不能成为搜索引擎。只是一个基于数据库数据的一个打分ranking处理而已。

总结

solr的确配置方便，通过配置可以解决大部分问题，但是这东西太通用了，为什么感觉是给非码农用的？为什么我使用过lucene之后，就不想用它建索引，而宁可自己再写一个工程来做建索引这件事情？solr只是一个能放入servlet容器的东西而已？对非java的语言，除了改solr源码，你还能怎样定制自己的搜索？

（以上问题的解决方案我将在博客里更新，在《Apache solr 3.1 cookbook》里有一些进阶的使用方法）