Question

我最近开始学习solr，对我来说有些事情仍然难以理解，我将解释我正在尝试做的事情，请告诉我要走的路。

我需要一个Web应用程序，可以在其中保存数据，某些字段以文本形式保存，某些字段以文件形式保存，如何以文本形式添加字段是可以理解的，无法添加文件或其内容为文本，在这种情况下，我不知道文件本身存储在哪里？

如果您需要找到一个文件，并且整个文件中只有几个单词，我希望所有出现这些单词的文件都出现，在这种情况下是否应该添加一个单独的数据库？如果是这样，文件存储在哪里？如果不是，则是相同的问题。

我会很高兴并且可以理解某些示例，也许您有链接？

Answer 1

这太宽泛且不够具体，无法给出您可以实施的答案；通常，您需要将文档和ID一起提交给Solr（through Tika in the Extracting Request Handler / Solr Cell）。

文档本身必须存储在其他地方，因为Solr不会为您处理文档存储。它们可以存储在云服务，网络驱动器或本地磁盘上-这取决于您的Web应用程序。

然后，您的应用程序将接收来自用户的文件，存储一个将文件分配给用户的数据库行，将文件存储在某个名称（通常为该行的ID）下的某处（S3 / GoogleCloudStorage / Local路径）从数据库），然后将内容与元数据（例如用户ID）和文件ID一起提交给Solr进行索引。

搜索后会返回ID，您可以从存储文档的任何地方检索该文档。

Answer 2

由于MatsLindh已经提到了一种实现所需内容的方法。

您可以通过以下步骤索引位置已知的文件。

用以下几行更新solrConfig.xml

<!-- Load Data Import Handler and Apache Tika (extraction) libraries -->
    <lib dir="${solr.install.dir:../../../..}/dist/" regex="solr-dataimporthandler-.*\.jar"/>
    <lib dir="${solr.install.dir:../../../..}/contrib/extraction/lib" regex=".*\.jar"/>

  <requestHandler name="/dataimport" class="solr.DataImportHandler">
    <lst name="defaults">
      <str name="config">tika-data-config.xml</str>
    </lst>
  </requestHandler>

在tika-data-config.xml文件夹下创建一个名为G:\Solr\TikaConf\conf的文件。具有以下配置。这个位置可能与您不同。

<dataConfig>
  <dataSource type="BinFileDataSource"/>
  <document>
    <entity name="file" processor="FileListEntityProcessor" dataSource="null"
            baseDir="G:/Solr/solr-7.7.2/example/exampledocs" fileName=".*xml"
            rootEntity="false">

      <field column="file" name="id"/>

      <entity name="pdf" processor="TikaEntityProcessor"
              url="${file.fileAbsolutePath}" format="text">

        <field column="text" name="text"/>

      </entity>
    </entity>
  </document>
</dataConfig>

在您的schema.xml

中添加以下字段

<field name="text" type="text_general" indexed="true" stored="true" multiValued="false"/>

如下更新solrConfig xml文件以禁用无模式模式

<!-- The update.autoCreateFields property can be turned to false to disable schemaless mode -->
  <updateRequestProcessorChain name="add-unknown-fields-to-the-schema" default="${update.autoCreateFields:false}"
           processor="uuid,remove-blank,field-name-mutating,parse-boolean,parse-long,parse-double,parse-date,add-schema-fields">
    <processor class="solr.LogUpdateProcessorFactory"/>
    <processor class="solr.DistributedUpdateProcessorFactory"/>
    <processor class="solr.RunUpdateProcessorFactory"/>
  </updateRequestProcessorChain>

转到solr admin页面并选择您创建的核心，然后单击数据导入。

一旦数据被导入或建立索引，您可以通过查询对其进行验证。

如果文件位置是动态的，则意味着您正在从数据库中检索文件位置，然后这将是您的第一个实体，该实体从数据库中检索有关文件元数据的信息，例如ID，名称，作者和文件路径等等。在第二个实体TikaEntityProcessor中，传递文件路径并获取索引文件的内容...

如何在Solr中存储信息？

2 个答案: