Solr 缓存配置（一）
缓存在 Solr 中充当了一个非常重要的角色，Solr 中主要有这三种缓存：
- Filter cache（过滤器缓存），用于保存过滤器（fq 参数）和层面搜索的结果
- Document cache（文档缓存），用于保存 lucene 文档存储的字段
- Query result（查询缓存），用于保存查询的结果
还有第四种缓存，lucene 内部的缓存，不过该缓存外部无法控制到。
通过这 3 种缓存，可以对 solr 的搜索实例进行调优。调整这些缓存，需要根据索引库中文档的数量，每次查询结果的条数等。
在调整参数前，需要事先得到 solr 示例中的以下信息：
- 索引中文档的数量
- 每秒钟搜索的次数
- 过滤器的数量
- 一次查询返回最大的文档数量
- 不同查询和不同排序的个数
这些数量可以在 solr admin 页面的日志模块找到。假设以上的值分别为：
- 索引中文档的数量：1000000
- 每秒钟搜索的次数：100
- 过滤器的数量：200
- 一次查询返回最大的文档数量：100
- 不同查询和不同排序的个数：500
然后可以开始修改 solrconfig.xml 中缓存的配置了，第一个是过滤器缓存：
<filterCache class="solr.FastLRUCache" size="200" initialSize="200" autowarmCount="100"/>
第二个是查询结果缓存：
<queryResultCache class="solr.FastLRUCache" size="500" initialSize="500" autowarmCount="250"/>
第三个是文档缓存：
<documentCache class="solr.FastLRUCache" size="11000" initialSize="11000" />
这几个配置是基于以上的几个假设的值进行调优的。
动态字段
正常情况下，需要事先把知道的字段定义在 schema.xml 中，当有不确定的字段时，这时可以使用动态字段。
这里是一个动态字段定义的示例：
<dynamicField name="*_s" type="string" indexed="true" stored="true"/>
这样，送过来的索引数据中，如果有以 _s 结尾的字段的值都都会被按照上述的索引方式进行索引，如字段名称为title_s，content_s。
在匹配过程，如果动态字段和静态字段都符合，会优先匹配静态字段。另外动态字段的仅支持 * 这一通配符，这个通配符仅能位于开头或结尾。
启用 solr suggest
suggest 是搜索引擎一个方便的功能，对数据的关键字进行预测和建议，减少了用户的输入，大体的效果如下：
幸运的是 solr 也提供了类似的功能，在该功能的基础上，配合 jQuery 或 kissy 的自动完成组件就可以实现类似上面的功能。启动该功能的过程大体如下：
suggest 的功能依赖拼写组件，solr_home/data 目录下会有一个 spellchecker 目录，该目录用于存放 suggest 和 拼写检查的索引库，所以要先配置 spell 功能，配置如下：
<searchComponent name="spellcheck" class="solr.SpellCheckComponent">
<str name="queryAnalyzerFieldType">textSpell</str>
<lst name="spellchecker">
<str name="name">default</str>
<str name="field">title</str>
<str name="buildOnCommit">true</str>
<str name="spellcheckIndexDir">spellchecker</str>
</lst>
</searchComponent>
上述中的 field 用于指定主索引库中用于 spellchecker 索引的数据从主索引库的那个字段来获取。buildOnCommit 该属性为 true 时，当主索引库有提交指令时，将会自动把指定字段的内容送到 spellchecker 索引库，作为拼写检查和 suggest 使用。
接下来配置 suggest 的处理组件和请求类，如下所示：
<searchComponent class="solr.SpellCheckComponent" name="suggest"> <lst name="spellchecker"> <str name="name">suggest</str> <str name="classname">org.apache.solr.spelling.suggest.Suggester</str> <str name="lookupImpl">org.apache.solr.spelling.suggest.tst.TSTLookupFactory</str> <float name="threshold">0.005</float> <str name="buildOnCommit">true</str> </lst> </searchComponent> <requestHandler class="org.apache.solr.handler.component.SearchHandler" name="/suggest"> <lst name="defaults"> <str name="spellcheck">true</str> <str name="spellcheck.dictionary">suggest</str> <str name="spellcheck.onlyMorePopular">true</str> <str name="spellcheck.count">5</str> <str name="spellcheck.collate">true</str> </lst> <arr name="components"> <str>suggest</str> </arr> </requestHandler>
这时候重新提交数据，会发现原先为空的 spellchecker 为空的索引库中有数据了，然后打开类似这样的网址（请将q=的值换成 title 字段中有的值）
http://local
host:8983/so lr/suggest/? q=%E7%94%9F
会得到如下结果：
luke：lucene 索引查看工具
luke 是 lucene 索引查看工具，基于 swing 开发的，是 lucene、solr、nutch 开发过程中不可或缺的工具。在测试搜索过程，进程出现搜不到东西或者搜到的东西不是想要的结果时，这时就需要用 luke 查看一下索引库的情况，来协助排查问题。
下载：
luke 可以从 google code 上下载
只是为了使用 luke 的话，下载 jar 包即可，经常有朋友下载成了源码包，最后不知道如何运行，从 luke 在 1.0 版版本对应的是 lucene 3.0，1.0 以前的版本，如0.9，对应的 lucene 版本为 2.9，从 1.0 以后，luke 跟 lucene 的版本号一一对应了，暂时没有找到3.6版本的luke，其实可以用4.0的luke代替，可以兼容的。
假设下载了lukeall-3.5.0.jar ，然后右键点击这个 jar，打开方式中选择 java 来运行他，即可看如下运行界面：
在path中写入索引库的目录，点击OK即可打开索引库。
打开索引库后可进行的操作就相对简单了，大家自行探索了，有问题 QQ 群内询问。
solr 启动小工具
在 solr 发行包中的 example 中，有一些 solr 的示例，运行起来即可体验 solr 的功能，启动 example 过程，正常需要打开命令行，cd 到 example 目录，然后运行
java -jar start.jar
启动 solr，这个在 下载和安装 solr章节已有说明，现在弄了命令行小工具，可以双击启动 solr，方法如下：
cd %~dp0 %~d0 java -jar start.jar
将以上文本另存为 bat 文件，保存在 example 目录下，这样，双击该 bat 文件即可启动 solr， 跟 tomcat 的 start.bat 功能类似。没什么技术含量，纯为了方便。
ReplicationHandler 的 HTTP API
可以通过以下 HTTP 命令来控制 ReplicationHandler 的操作
http://master_host:port/solr/replication?command=enablereplication
使主服务器的复制可用
http://master_host:port/solr/replication?command=disablereplication
使主服务器的复制不可用
http://host:port/solr/replication?command=indexversion
获得主服务器或从服务器最新的索引版本
http://slave_host:port/solr/replication?command=fetchindex
强制从服务器从主服务器拉取索引，该过程可以传递 <lst name=”slave”> 下的参数，如主服务的url、压缩参数等
http://slave_host:port/solr/replication?command=abortfetch
让某从服务器不再从主服务器拉取索引
http://slave_host:port/solr/replication?command=enablepoll
使某从服务器可以从主服务器拉取修改的索引
http://slave_host:port/solr/replication?command=details
返回配置和当前状态
http://host:port/solr/replication?command=filelist&indexversion=<index-version-number>
返回指定主机的索引文件列表，可以指定版本号
http://master_host:port/solr/replication?command=backup
如果有新的commit，将备份索引库，该命令在阶段备份索引时很有用
标签：ReplicationHandler, 翻译
复制配置文件
使用 confFiles 参数指定需要复制的配置文件。只有在主服务器 conf 目录下的文件才会被复制。
solr 的配置文件复制只会发生在索引复制之后，即使主服务器中的配置文件修改了，只有在新的 commit/optimize 之后，才会发生配置文件复制。
为了防止失败，solr 在将配置文件替换到 conf 目录前，会先将配置文件复制到临时目录中。旧的配置文件会被重命名，还是放在 conf 目录下，ReplicationHandler 不会自动删除这些旧的配置文件。
当有配置文件被复制到从服务器中，ReplicationHandler 会发起一条让 core 重新加载的命令。
Apache Nutch v1.5.1 发布
Apache Nutch v1.5.1 发布，这是一个维护版本，主要改进记录包括：
* NUTCH-1404 Nutch script fails to find job file in deploy mode (sidabatra, jnioche)
* NUTCH-1415 release packages to contain top level folder apache-nutch-x.x (snagel via lewismc)
* NUTCH-1400 Remove developer -core option for bin/nutch (jnioche)
* NUTCH-1384 Typo in ParseSegment’s run-method (Matthias Agethle via markus)
* NUTCH-1398 Upgrade to Hadoop 1.0.3 (jnioche)
标签：Nutch
从服务器复制索引过程
主服务器并不能感知到从服务器的存在。从服务器会按照 pollInterval 参数的设置，不多从主服务器中检查索引版本。如果从服务器发现主服务器有新的版本存在，将启动索引同步进程。步骤如下：
- 从服务发送一个 filelist 的命令，从主服务中获得文件列表，这个命令会返回文件名以及 metadata，包括大小，最后修改时间等
- 从服务检查本地的索引中是否包包含这些文件，然后发送 filecontent 命令下载本地不存在的文件，该过程使用一种类似 http 块编码方式下载全部或者部分文件内容，如果过程中断，下次将从断点处继续。每次断开后，从服务器最多会重试 5 次
- 文件下载下来后会放入临时目录，这样在复制过程出错也不会导致索引库不能使用。
- 下载完成后，新的文件将会替换到现在的索引库中，新文件的时间戳也将跟服务器的同步
- 最后将发生一次commit，新的索引将被加载
-
垃圾分类小程序
少先队答题小程序
