Nutch+solr+mmseg4j如何集成

這篇文章主要介紹了Nutch+solr+mmseg4j如何集成，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

第一章

安裝配置solr4.2

#下載solr4.2.0版本

[root@nutch nutch3]# wget http://archive.apache.org/dist/lucene/solr/4.2.0/solr-4.2.0.tgz

#解壓solr4.2.0文件

[root@nutch nutch3]# tar -xzvf solr-4.2.0.tgz

#把nutch/conf/schema.xml復制到solr/collection1/conf

在solr4.2.0版本中，我們需要把nutch的schema-solr4.xml文件復制到collection1下的conf目錄內，指定為schema.xml

[root@nutch nutch3]# cp /home/nutch3/release-1.6/runtime/local/conf/schema-solr4.xml /home/nutch3/solr-4.2.0/example/solr/collection1/conf/schema.xml

#啟動solr服務器

[root@nutch example]# java -jar start.jar &

啟動之后報錯：

_version_ does not exist

Unable to use updateLog: _version_field must exist in schema, using indexed="true" stored="true" and multiValued="false" (_version_ does not exist)

不存在_version_字段

解決方案：

修改solr/collection1/conf/schema.xml，在<fields>下增加：<field name=”_version_” type=”long” indexed=”true” stored=”true”/>

#關閉solr服務器

[root@nutch example]# jps

4625 jar

4664 Jps

[root@nutch example]# kill -9 4625

[root@nutch example]#

solr4.2.0版本和solr3.6.2版本，最大的區別在于

在solr4.2.0版本中，我們不再需要把solr/conf/solrconfig.xml文件里的<str name=”df”>text</str>都替換為<str name=”df”>content</str>

#重新啟動solr服務器

[root@nutch example]# java -jar start.jar &

打開瀏覽器訪問8983端口

http://192.168.1.49:8983/solr/

給solr4.2配置分詞器mmseg4j 1.9.0

我們在不配分詞的情況下提交索引，它使用默認的分詞。但默認分詞效果并不是我們想要的。所以，我們給solr配置mmseg4j分詞器。

#停止服務

[root@nutch example]# jps

5927 Jps

5853 jar

[root@nutch example]# kill -9 5853

#下載mmseg4j1.9

[root@nutch nutch3]# wget http://mmseg4j.googlecode.com/files/mmseg4j-1.9.1.v20130120-SNAPSHOT.zip

#unzip命令解壓mmseg4j1.9

[root@nutch nutch3]# unzip mmseg4j-1.9.1.v20130120-SNAPSHOT.zip -d mmseg4j-1.9.1

#創建lib目錄

[root@nutch nutch3]# mkdir solr-4.2.0/example/solr/collection1/lib

拷貝mmseg4j1.9下dist目錄中的3個jar包到solr/collection1/lib目錄下

[root@nutch nutch3]# cp mmseg4j-1.9.1/mmseg4j-1.9.1-SNAPSHOT/dist/* solr-4.2.0/example/solr/collection1/lib

修改schema.xml，指定使用seg4j的Tokenizer

[root@nutch nutch3]# vi solr-4.2.0/example/solr/collection1/conf/schema.xml

把<tokenizer class="solr.WhitespaceTokenizerFactory"/>和<tokenizer class="solr.StandardTokenizerFactory"/>替換為<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex"/>

Solr配置分詞器主要注意兩點：

1. 復制jar包

2. 替換schema分詞器

運行SOLR并提交索引

#啟動solr服務器

[root@nutch example]# java -jar start.jar &

#提交索引

[root@nutch local]# bin/nutch solrindex http://192.168.1.49:8983/solr/ data/crawldb/ -linkdb data/linkdb/ -dir data/segments/

到solr管理界面去查看索引信息

在網頁查看schema.xml配置文件

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Nutch+solr+mmseg4j如何集成”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!