首页手记集成 PHP 应用和 Solr 搜索引擎

集成 PHP 应用和 Solr 搜索引擎

标签：

PHP

你为什么需要搜索引擎？单纯数据库不够用？如果你只是创建小网站，数据库就够了。但当你创建中性或大型应用的时候，搜索引擎是更明智的选择。当然如是一说，小网站也可以利用Solr，获得高相关性的搜索结果。

想象一下你在写一个电子商务网站的搜索查询程序。最直接的想法就是如下的数据库查询语句：

SELECT * FROM PRODUCTS

WHERE LOWER(title) like LOWER('%$phrase%')

OR LOWER(description) like LOWER('%$phrase%');

查询标题或描述中的短语时，它工作正常。但是现实事物很复杂，比如说Apple iPhone 4G black 16GB（苹果4G网络iPhone黑色16GB）。搜索“iPhone 16G”的时候，就没结果。你可以用%替换空格应付这种情况。

$phrase = str_replace(' ', '%', $phrase);

那么查询“iPhone 16GB 4G”的时候呢？显然词序改变了，它又无法正常工作。我猜你又会添加一个字段保存词序。那么写错词怎么办？同义词怎么办？为如此的搜索系统想一个好的解决方案很有挑战性。

设计一个精妙的算法不是解决这类问题的关键. 文本的搜素是需要消耗资源的. 将太多的压力放在数据库端永远不是一个好办法. 原因是数据库不能很方便的扩展. 你不能像web server 或者 Memcached一样,简单的增加一个实例.扩展数据库需要一些准备, 代码的修改, 配置, down机维护时间, 总之成本是非常昂贵的. 好消息是Solr就是专门解决这类问题的.

Solr是一个基于Apache Lucene的企业级搜索平台. 快,稳定, 有很好的文档当然扩展起来也很方便. 由于Solr是有个强大的解决方案, 他的所有特性就不在这篇文章里面一一列举了. 这家伙上收起来也是相当easy哦.

首先从官方网站下载最新的版本。Solr是一个由Java语言编写的应用程序，你需要Java Runtime环境才可以运行。

$ cd solr-4.1.0/example/

$ java -jar start.jar

大概几秒钟后你就可以看到下面的信息：

2013-03-09 18:47:41.177:INFO:oejs.AbstractConnector:Started SocketConnector@0.0.0.0:8983

Solr有一个web界面，工作在8983端口下，打开浏览器访问http://localhost:8983/solr/.

在左手边的导航区你会找到“collection1″。在Solr中，Collections类似于数据库的表，你可以查询数据。点击一个collection，选择她的子菜单 “query”。

第一个选项叫 “Request-Handler (qt)”，拥有默认值 “/select”。Request handlers是一组预定义查询. 如果你查看Solr config文件，你就会看到是这样的：

$ vim solr-4.1.0/example/solr/collection1/conf/solrconfig.xml

<str name="echoParams">explicit</str>

</lst>

</requestHandler>

第二个参数才是我们最感兴趣的。默认值 “*:*” 意味着查询任何内容，如果你点击“execute query” ，你可以得到像下面这样的内容：

<?xml version="1.0" encoding="UTF-8"?>

</lst>

</response>

索引结果为空，但这不是什么问题，你需要插入一些示例数据。

$ cd solr-4.1.0/example/exampledocs/

$ java -jar post.jar monitor.xml

SimplePostTool version 1.5

Posting files to base url http://localhost:8983/solr/update using content-type application/xml..

POSTing file monitor.xml

1 files indexed.

COMMITting Solr index changes to http://localhost:8983/solr/update..

现在你可以返回查询界面，这次就会有一个文档返回。

Collection的数据结构是在schema文件中定义的。

$ vim solr-4.1.0/example/solr/collection1/conf/schema.xml

这个文件有非常多的注释，你可以很容易分辨出他们是做什么的。如果你要修改scheme文件，请不要删除名叫“text”的字段（如果没很好的理由），他是和另外的字段和查询语句中关联的(包括select, look等等)。

$ grep text solr-4.1.0/example/solr/collection1/conf/schema.xml | grep copy

如果你使用的是关系数据库，你不希望有重复的数据。Solr不是一个数据库，多数字段也被处理成文本字段，默认request handler就是这样。

从PHP访问Solr需要一个客户端。我建议从PECL下载一个。它快速，API清晰，文档优良。不过要注意，这个扩展现在版本1.0.2，不支持Solr 4.x。Solr 3.x和4.x的协议有微小不同。不过别担心，我已经做了修改，你可以从https://github.com/lukaszkujawa/php-pecl-solr下载兼容版本。我已经用了一段时间，是可靠的。它和官方的有点差别在SolrClient构造函数中多一个Solr版本参数。这个补丁将会发布在官方版本中，你不用担心此后的兼容性。

$ git clone https://github.com/lukaszkujawa/php-pecl-solr.git

$ cd php-pecl-solr/

$ phpize

$ whereis php-config

php-config: /usr/bin/php-config /usr/bin/X11/php-config

$ ./configure --with-php-config=/usr/bin/php-config

$ make

$ make install

添加到你的php.ini

extension=solr.so

重启Web服务器

$ /etc/init.d/apache2 restart

现在就可以写php添加内容到索引中了。

<?php

$options = array (

'hostname' => '127.0.0.1',

);

$client = new SolrClient($options, "4.0"); // 参数4.0针对Solr4.x，其他版本时忽略

$doc = new SolrInputDocument();

$doc->addField('id', 100);

$doc->addField('title', 'Hello Wolrd');

$doc->addField('description', 'Example Document');

$doc->addField('cat', 'Foo');

$doc->addField('cat', 'Bar');

$response = $client->addDocument($doc);

$client->commit();

/* ------------------------------- */

$query = new SolrQuery();

$query->setQuery('hello');

$query->addField('id')

->addField('title')

->addField('description')

->addField('cat');

$queryResponse = $client->query($query);

$response = $queryResponse->getResponse();

print_r( $response->response->docs );

如果你添加的文档不止一条，她也可以处理得很好，而不需要频繁的commit。

知道Solr如何工作是很有价值的，你可以在很多项目中使用。她有个很棒的功能可以让你一次请求就可以拉取所有需要的数据。当然，你掌握她需要耗费一些时间，但这值得你付出。Solr拥有一个活跃的社区和完整的文档资源，如果你还担心在项目中使用，请翻阅Solr 3 企业搜索服务器，她不仅仅是让你快速搭建起搜索服务，还是你数据挖掘的基础。

点击查看更多内容