Nutch+solr+mmseg4j如何集成

这篇文章主要介绍了Nutch+solr+mmseg4j如何集成，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

第一章

安装配置solr4.2

#下载solr4.2.0版本

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

#解压solr4.2.0文件

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

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

在solr4.2.0版本中，我们需要把nutch的schema-solr4.xml文件复制到collection1下的conf目录内，指定为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

#启动solr服务器

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

启动之后报错：

_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

解决方案：

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

#关闭solr服务器

[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，最大的区别在于

在solr4.2.0版本中，我们不再需要把solr/conf/solrconfig.xml文件里的<str name=”df”>text</str>都替换为<str name=”df”>content</str>

#重新启动solr服务器

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

打开浏览器访问8983端口

http://192.168.1.49:8983/solr/

给solr4.2配置分词器mmseg4j 1.9.0

我们在不配分词的情况下提交索引，它使用默认的分词。但默认分词效果并不是我们想要的。所以，我们给solr配置mmseg4j分词器。

#停止服务

[root@nutch example]# jps

5927 Jps

5853 jar

[root@nutch example]# kill -9 5853

#下载mmseg4j1.9

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

#unzip命令解压mmseg4j1.9

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

#创建lib目录

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

拷贝mmseg4j1.9下dist目录中的3个jar包到solr/collection1/lib目录下

[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"/>替换为<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex"/>

Solr配置分词器主要注意两点：

1. 复制jar包

2. 替换schema分词器

运行SOLR并提交索引

#启动solr服务器

[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

在网页查看schema.xml配置文件

感谢你能够认真阅读完这篇文章，希望小编分享的“Nutch+solr+mmseg4j如何集成”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!