solr搭建

本文介绍了如何在Solr中配置IKAnalyzer中文分词插件的过程。包括部署Solr到Tomcat、设置solrhome、安装IKAnalyzer以及自定义业务域等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这是在写淘淘商城的时候记录的,用了 IKAnalyzer 中文分词插件 也添加了自己的业务域

先解压
然后在 solr/dist/ 这个目录下又一个 war 包
把这个war包放在tomcat的 webapp 目录下
然后启动tomcat 这里是为了解压缩war包
启动完成以后 我们将tomcat关闭
然后可以选择将 war 包删除

然后我们需要将几个日志相关的jar包放到 solr 应用下

cp solr/example/lib/ext/*  tomcat/webapps/solr/WEB-INF/lib

但是我们的 solr 需要一个 solrhome
这个时候在 solr/example/ 下有一个 solr
嗯,很好我们可以用solr 来当作 solrname
我们把它随便放个目录 改个名 solrhome
我们使用 cp -r 因为目录下还有目录 递归

接下来我们在 tomcat/webapps/solr/WEB_INF 下的web.xml

vim web.xml

<env-entry>
    <env-entry-name>solr/name</env-entry-name>
    <env-entry-value>改成刚才solrhome的位置</env-entry-value>
</env-entry>

接下来我们来做 solr 的业务域
我们安装一下 IKAnalyzer 中文分词插件
tomcat/webapps/solr/WEB-INF/下 创建 classes
我们把包里的* IKAnalyzer2012FF_u1.jar* 放到* tomcat/webapps/solr/WEB-INF/lib*
我们把包里的** IKAnalyzer.cfg.xml ext_stopword.dic mydict.dic 放到 **tomcat/webapps/solr/WEB-INF/classes

然后我们修改 solrhome 中 collection1/conf/schema 添加我们自己的业务

<fieldType name="text_ik" class="solr.TextField">
<analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>
<field name="item_title" type="text_ik" indexed="true" stored="true"/>
<field name="item_sell_point" type="text_ik" indexed="true" stored="true"/>
<field name="item_price" type="long" indexed="true" stored="true"/>
<field name="item_image" type="string" indexed="false" stored="true" />
<field name="item_category_name" type="string" indexed="true" stored="true" />
<field name="item_desc" type="text_ik" indexed="true" stored="false" multiValued="true"/>

<field name="item_keywords" type="text_ik" indexed="true" stored="false" multiValued="true"/>
<copyField source="item_title" dest="item_keywords"/>
<copyField source="item_sell_point" dest="item_keywords"/>
<copyField source="item_category_name" dest="item_keywords"/>
<copyField source="item_desc" dest="item_keywords"/>

启动, 然后collection1中就有了text_ik,item_keywords我们测试一下分词
OK

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值