数据时代--收集，存储，处理，分析，挖掘，检索，展现

有了大量的数据之后，想要找到特定的数据，任意查询，也是一个巨大的调整。这里有来一起回顾下Lucene索引。（以下很多来自百度百科，算作是科普吧）说起Lucene，它是apache软件基金会jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。

ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是第二流行的企业搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。我们建立一个网站或应用程序，并要添加搜索功能，令我们受打击的是：搜索工作是

在Lucene索引的时候已经引出了分词(Analyser)这个慨念，分词也是信息检索的时候重要的一步。我们知道英文一个单词就是一个词，两者直接使用空格天然的隔开，分词就变得很容易了，而汉语的一个句子里面有很多个汉字组成，里面有基本意义的就是词语，单个汉字往往没有对句子有足够的信息，而词语可以说是最小的语义单位。在检索的时候我们一般都是根据词语来匹配的，词语在整片文字中扮演着重要的角色。1、基于

向量空间模型（VSM：Vector Space Model）由Salton等人于20世纪70年代提出，并成功地应用于著名的SMART文本检索系统。VSM概念简单，把对文本内容的处理简化为向量空间中的向量运算，并且它以空间上的相似度表达语义的相似度，直观易懂。当文档被表示为文档空间的向量，就可以通过计算向量之间的相似性来度量文档间的相似性。文本处理中最常用的相似性度量方式是余弦距离。M个无序

Solr DIH就是Data Import Handler.由于很多时候我们的数据在数据库里面，需要将数据库里面的数据导出进行索引.Solr提供了一个很方便的接口来从数据库生成索引。DIH支持从单表和多表管理来导入数据，可以跨数据库来读取数据，还可以增量索引数据，应该说满足很多一般的需求。以下以solr-5.3.0为例，下面来说说一个简单的从Mysql数据库导入数据的配置，更多复杂的配置，需要

看惯了很多Restful方式的ElasticSearch操作，总是感觉不爽，怎么说还是要代码吗，实践应用的时候不管索引还是查询都可能或多或少离不开代码。下面来说说ES的java API操作，当然其他语言的也不是不可以，既然ES支持restful.ElasticSearch POM.xml    org.elasticsearch    elasticsearch

上次说的得，要整个Solr Cluster也就是Solr Cloud,现在好像比较流行Cloud滴说。就像Solr介绍的一样Apache Solr includes the ability to set up a cluster of Solr servers that combines fault tolerance and high availability. Call

还是先来科普下，Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过Http Get操作提出查找请求，并得到XML格式的返回结果。在Solr的官网（http://lucene.apache.org/solr/）上说的Solr is the popular,