a925907195的专栏

SolrCloud 4.7+Tomcat 安装配置实践 SolrCloud 4.3.1+Tomcat 7安装配置实践我们使用Solr Replication可以实现Solr服务器的可用性，即使某一个索引副本由于磁盘介质故障或者误操作删除等，其他的多个复制副本仍然可以提供服务。如果只是单纯的基于Solr Replication技术，只能对一个索引进行管理维护，当索引数据达到一定规模，搜索的性

solrCloud 选举时间缩短的方法　　当一个leader挂掉后，其中的几个replica 要重新选一个leader出来，但默认的是要等待3分钟，这个时间也太长了。对于开始在测试solrCloud功能来说，等待这么长时间，有可能觉得重新选举失败的挫败感。　　这里4.1之后已解决了这个bug：　　默认情况下可以看到，当某个leader挂彩了时候，日志打印如下：　　I

一.Collections API 参考：https://cwiki.apache.org/confluence/display/solr/Collections+API 因为API比较多，我就不一一列举，只列出比较重要的几个1.创建collection官方示例：/admin/collections?action=CREATE&name=name&numShards=n

Lucene增强功能：Payload的应用目录(?)[-]第一待索引数据处理第二实现解析Payload数据的Analyzer第三 实现Similarity计算得分第四创建索引第五查询有关Lucene的Payload的相关内容，可以参考如下链接，介绍的非常详细，值得参考：http://www.ibm.com/developerwor

Lucene的文档打分的公式：score(q,d)   =   coord(q,d)  ·  queryNorm(q)  ·  ∑( tf(t in d)  ·  idf(t)2  ·  t.getBoost() ·  norm(t,d) )                                                               

某电信项目中采用HBase来存储用户终端明细数据，供前台页面即时查询。HBase无可置疑拥有其优势，但其本身只对rowkey支持毫秒级的快 速检索，对于多字段的组合查询却无能为力。针对HBase的多条件查询也有多种方案，但是这些方案要么太复杂，要么效率太低，本文只对基于Solr的HBase多条件查询方案进行测试和验证。原理：基于Solr的HBase多条件查询原理很简单，将HBase

在使用Lucene时，有一条建议”不要频繁去打开关闭硬盘索引”。为什么会有这条建议？这就需要在IndexReader的实例化过程中找答案。先说一个结论“IndexReader的实例化过程是一个非常耗时的过程”。由于IndexReader只是一个抽象类，在调用代码：真正得到的是StandardDirectoryReader对象。首先来看一下StandardDirectoryReader的类图

原理图（摘自网络）：1、datasourcehdfs或者TableMapReduceUtil来scan数据（不建议HFileInputFomat方式，易丢失数据）2、mapsetup()方法中通过zkHost创建CloudSolrServer，目的是通过docId，来计算这个docId应该router到哪个shardId，关键代码为：// cop

目录(?)[-]Simhash 算法简介算法几何意义和原理比较相似度示例代码适用场景REF转自：http://www.open-open.com/lib/view/open1375690611500.html关于 罗刚 老师 搜索解密中的 SimHash算法 、 TITS算法 、标准Trie树、三叉Trie树 Java实现 下载地址 

geohash算法原理及实现方式1、geohash特点2、geohash原理3、geohash的php 、python、java、C#实现代码4、观点讨论geohash有以下几个特点：首先，geohash用一个字符串表示经度和纬度两个坐标。某些情况下无法在两列上同时应用索引 （例如MySQL 4之前的版本，Google App Engine的数据层等），利用ge

Facet['fæsɪt]很难翻译，只能靠例子来理解了。Solr作者Yonik Seeley也给出更为直接的名字：导航（Guided Navigation）、参数化查询（Paramatic Search）。上面是比较直接的Faceted Search例子，品牌、产品特征、卖家，均是 Facet 。而Apple、Lenovo等品牌，就是 Facet values 或者说 Constr

首先介绍下在lucene中attributeSource的类层次：org.apache.lucene.util.AttributeSource·        org.apache.lucene.analysis.TokenStream (implementsjava.io.Closeable)·        org.apache.lucene.analysis.NumericTok

IK分词全名为IK Analyzer，是由java编写的中文分词工具包，目前在lucene以及solr中用的比较多，本系列的文章主要对ik的核心源码进行解析讲解，与大家分享，如果有错误的地方还望指教。先来个整体概况：其实从上面的图可以看出，真实的ik的代码其实并不多，这样给我们开始接触心里压力就小的多。先打开IKAnalzyerDemo.java文件，先大体看看IK的工作流

因为在创建solrcloud的节点后，配置文件会传入Zookeeper中进行统一的

package com.fjsh.SearchJobsFirst;import java.text.SimpleDateFormat;import java.util.Calendar;import java.util.Date;import java.util.GregorianCalendar;import java.util.HashMap;import java.util.I

参数说明param nameparam valuedescriptiongrouptrue/falseif true, turn on result groupinggroup.field[fieldname]Group

IK里的分词器主要是三个分词器：CJKSegmenter(中文分词)，CN_QuantifierSegmenter(数量词分词)，LetterSegmenter(字母分词)。这三个分词器都继承了ISegmenter接口，思路相差不大，其中采用的结构也比较容易理解，采用字典树(CJK使用)或其他简单数据结构(CN_QuantifierSegmenter和LetterSegmenter)匹配文本中的当

对于停用词以及未切分的词的处理方法：过滤掉CHAR_USELESS字符，包括标点以及无法识别的字符，pathMap中存储的是lexemePath集合，找出相邻的lexemePath，把它们之间未切分的字符逐字符输出，原来的ik源码里面有processUnkownCJKChar()，在IK2012中，这个方法被合并到了outputToResult()，     //对分词进行歧义处理

分词的歧义处理是IK分词的一个重要的核心模块，主要使用组合遍历的方式进行处理。从子分词器中取出不相交的分词集合，例如分词结果为abcd(abcd代表词)，abcd是按其在文本中出现的位置排序的，从前到后。假如a与b相交，b与c相交，c与d不相交，则将分词结果切成abc和d两个块分别处理当在分词的时候使用的是智能分词，那么便从相交的块中选出最优的结果，这个由judge方法来进行处理/**

在solr中配置使用IK很简单下载最新的Ik2012中文分词器。 2.解压IK Analyzer 2012FF_hf1.zip,获得IK Analyzer 2012FF_hf1.将该目录下的IKAnalyzer.cfg.xml,IKAnalyzer2012FF_u1.jar,stopword.dic放到安装TOMCAT_HOME/webapps/solr/WEB-INF/class

git上发现了网友总结的Elasticsearch BAT大厂面试题。只有题目，部分有答案，但不全。 正好抽出一些时间一起梳理一下。既然是面试题，每个人都会有自己的结合业务场景的答案，没有非常标准的答案。欢迎大家留言拍砖指正。1、elasticsearch了解多少，说说你们公司es的集群架构，索引数据大小，分片有多少，以及一些调优手段 。面试官：想了解应聘者之前公司接触的ES...