solr中solrconfig.xml详解

前段时间在网上搜索些solrconfig的配置文件资料，发现大都比较零散。因此花了段时间整理相关内容。
推荐部分相关资料：http://www.luoshengsha.com/197.html
http://guohf.iteye.com/blog/1440838 这个也对solrconfig总结的比较详细。

solrconfig.xml配置文件主要定义了SOLR的一些处理规则，包括索引数据的存放位置，更新，删除，查询的一些规则配置。

可以在tomcat的安装路径下找到这个文件C:\Program Files\Apache Software Foundation\Tomcat 8.0\solr\collection1\conf

1.datadir节点

1.<dataDir>${solr.data.dir:d:/Server/Solr/data}</dataDir>定义了索引数据和日志文件的存放位置

2.luceneMatchVersion

<luceneMatchVersion>4.8</luceneMatchVersion>

表示solr底层使用的是lucene4.8

3. lib

<libdir="../../../contrib/extraction/lib"regex=".*\.jar"/>

表示solr引用包的位置,当dir对应的目录不存在时候，会忽略此属性

4.directoryFactory

索引存储方案，共有以下存储方案

1、solr.StandardDirectoryFactory,这是一个基于文件系统存储目录的工厂，它会试图选择最好的实现基于你当前的操作系统和Java虚拟机版本。
2、solr.SimpleFSDirectoryFactory,适用于小型应用程序，不支持大数据和多线程。
3、solr.NIOFSDirectoryFactory,适用于多线程环境，但是不适用在windows平台（很慢），是因为JVM还存在bug。
4、solr.MMapDirectoryFactory,这个是solr3.1到4.0版本在linux64位系统下默认的实现。它是通过使用虚拟内存和内核特性调用

mmap去访问存储在磁盘中的索引文件。它允许lucene或solr直接访问I/O缓存。如果不需要近实时搜索功能，使用此工厂是个不错的方案。
5、solr.NRTCachingDirectoryFactory,此工厂设计目的是存储部分索引在内存中，从而加快了近实时搜索的速度。
6、solr.RAMDirectoryFactory,这是一个内存存储方案，不能持久化存储，在系统重启或服务器crash时数据会丢失。且不支持索引复制

<directoryFactoryclass="${solr.directoryFactory:solr.NRTCachingDirectoryFactory}"name="DirectoryFactory">
<strname="solr.hdfs.home">${solr.hdfs.home:}</str>
<strname="solr.hdfs.confdir">${solr.hdfs.confdir:}</str>
<strname="solr.hdfs.blockcache.enabled">${solr.hdfs.blockcache.enabled:true}</str>
<strname="solr.hdfs.blockcache.global">${solr.hdfs.blockcache.global:true}</str>
</directoryFactory>

5. codecFactory
编解码工厂允许使用自定义的编解码器。例如：如果想启动per-field DocValues格式, 可以在solrconfig.xml里面设置SchemaCodecFactory：
docValuesFormat="Lucene42": 这是默认设置，所有数据会被加载到堆内存中。
docValuesFormat="Disk": 这是另外一个实现，将部分数据存储在磁盘上。
docValuesFormat="SimpleText": 文本格式，非常慢，用于学习。

<codecFactory class="solr.SchemaCodecFactory"/>
<schemaFactory class="ClassicIndexSchemaFactory"/>

6.indexconfig节点

用于设置索引的低级别的属性

1、<filter class="solr.LimitTokenCountFilterFactory" maxTokenCount="10000"/>//限制token最大长度
2、<writeLockTimeout>1000</writeLockTimeout>//IndexWriter等待解锁的最长时间（毫秒）。
3、<maxIndexingThreads>8</maxIndexingThreads>//
4、<useCompoundFile>false</useCompoundFile>//solr默认为false。如果为true,索引文件减少,检索性能降低,追求平衡。
5、<ramBufferSizeMB>100</ramBufferSizeMB>//缓存
6、<maxBufferedDocs>1000</maxBufferedDocs>//同上。两个同时定义时命中较低的那个。
7、<mergePolicy class="org.apache.lucene.index.TieredMergePolicy">
<int name="maxMergeAtOnce">10</int>
<int name="segmentsPerTier">10</int>
</mergePolicy>
//合并策略。
8、<mergeFactor>10</mergeFactor>//合并因子,每次合并多少个segments。
9、<mergeScheduler class="org.apache.lucene.index.ConcurrentMergeScheduler"/>//合并调度器。
10、<lockType>${solr.lock.type:native}</lockType>//锁工厂。
11、<unlockOnStartup>false</unlockOnStartup>//是否启动时先解锁。
12、<termIndexInterval>128</termIndexInterval>//Lucene loads terms into memory 间隔
13、<reopenReaders>true</reopenReaders>//重新打开,替代先关闭-再打开。
14、<deletionPolicy class="solr.SolrDeletionPolicy">//提交删除策略,必须实现org.apache.lucene.index.IndexDeletionPolicy
15、<str name="maxCommitsToKeep">1</str>
16、<str name="maxOptimizedCommitsToKeep">0</str>
17、<str name="maxCommitAge">30MINUTES</str> OR <str name="maxCommitAge">1DAY</str><br>　　　

　 18、 <infoStreamfile="INFOSTREAM.txt">false</infoStream>//相当于把创建索引时的日志输出。

<lockType>${solr.lock.type:native}</lockType>
设置索引库的锁方式，主要有三种：
1.single：适用于只读的索引库，即索引库是定死的，不会再更改
2.native：使用本地操作系统的文件锁方式，不能用于多个solr服务共用同一个索引库。Solr3.6 及后期版本使用的默认锁机制。
3.simple：使用简单的文件锁机制

7. updateHandler节点

定义更新处理器，

<updateLog>
<strname="dir">${solr.ulog.dir:}</str>
</updateLog>

设置索引库更新日志，默认路径为solr home下面的data/tlog。随着索引库的频繁更新，tlog文件会越来越大，

所以建议提交索引时采用硬提交方式<autoCommit>，即批量提交。

<autoCommit>
<maxTime>15000</maxTime>
<maxDocs>10000</maxDocs>
<openSearcher>false</openSearcher>
</autoCommit>

自动硬提交方式:maxTime：设置多长时间提交一次maxDocs：设置达到多少文档提交一次openSearcher：文档提交后是否开启新的searcher，

如果false，文档只是提交到index索引库，搜索结果中搜不到此次提交的文档；如果true，既提交到index索引库，也能在搜索结果中搜到此次提交的内容。

<updateHandlerclass="solr.DirectUpdateHandler2">
<!--允许事务日志-->
<updateLog>
<strname="dir">${solr.ulog.dir:}</str>
</updateLog>

<!--
在满足一定条件时自动提交。maxDocs/maxTime/openSearcher
-->
<autoCommit>
<maxTime>15000</maxTime>
<openSearcher>false</openSearcher>
</autoCommit>

<!--软提交VS硬提交-->
<!--
<autoSoftCommit>
<maxTime>1000</maxTime>
</autoSoftCommit>
-->

<!--
更新相关事件监听器
postCommit-firedaftereverycommitoroptimizecommand
postOptimize-firedaftereveryoptimizecommand
-->
<!--TheRunExecutableListenerexecutesanexternalcommandfroma
hooksuchaspostCommitorpostOptimize.
exe-thenameoftheexecutabletorun
dir-dirtouseasthecurrentworkingdirectory.(default=".")
wait-thecallingthreadwaitsuntiltheexecutablereturns.
(default="true")
args-theargumentstopasstotheprogram.(defaultisnone)
env-environmentvariablestoset.(defaultisnone)
-->
<!--
<listenerevent="postCommit"class="solr.RunExecutableListener">
<strname="exe">solr/bin/snapshooter</str>
<strname="dir">.</str>
<boolname="wait">true</bool>
<arrname="args"><str>arg1</str><str>arg2</str></arr>
<arrname="env"><str>MYVAR=val1</str></arr>
</listener>
-->

</updateHandler>

8.Query查询节点

<maxBooleanClauses>1024</maxBooleanClauses>
设置boolean 查询中，最大条件数。在范围搜索或者前缀搜索时，会产生大量的 boolean 条件，
如果条件数达到这个数值时，将抛出异常，限制这个条件数，可以防止条件过多查询等待时间过长。
缓存方法http://www.cnblogs.com/phinecos/archive/2012/05/24/2517018.html

<filterCacheclass="solr.FastLRUCache"size="512"initialSize="512"autowarmCount="0"/>

<queryResultCacheclass="solr.LRUCache"size="512"initialSize="512"autowarmCount="0"/>

<documentCacheclass="solr.LRUCache"size="512"initialSize="512"autowarmCount="0"/>

<queryResultMaxDocsCached>200</queryResultMaxDocsCached>

<maxWarmingSearchers>2</maxWarmingSearchers>

9.Request Dispatcher

请求转发器

<!--RequestDispatcher
主要是介绍当有请求访问SolrCore时SolrDispatchFilter如何处理。
handleSelect是一个以前版本中遗留下来的属性,会影响请求的对应行为（比如/select?qt=XXX）。
当handleSelect="true"时导致SolrDispatchFilter将请求转发给qt指定的处理器（前提是/select已经注册）。
当handleSelect="false"时会直接访问/select,若/select未注册则为404。
-->
<requestDispatcherhandleSelect="false">

<!--RequestParsing：请求解析
这些设置说明SolrRequests如何被解析,以及对ContentStreams有什么限制。

enableRemoteStreaming-是否允许使用stream.file和stream.url参数来指定远程streams。

multipartUploadLimitInKB-指定多文件上传时Solr允许的最大的size。

formdataUploadLimitInKB-表单通过POST请求发送的最大size
-->
<requestParsersenableRemoteStreaming="true"
multipartUploadLimitInKB="2048000"
formdataUploadLimitInKB="2048"/>

<!--HTTPCaching
设置HTTP缓存的相关参数。
-->
<httpCachingnever304="true"/>

<!--
<httpCachingnever304="true">
<cacheControl>max-age=30,public</cacheControl>
</httpCaching>
-->

<!--
<httpCachinglastModifiedFrom="openTime"
etagSeed="Solr">
<cacheControl>max-age=30,public</cacheControl>
</httpCaching>
-->
</requestDispatcher>

10.requestHandler

请求处理器

<!--RequestHandlers
输入的请求会通过请求中的路径被转发到特定的处理器。
-->
<!--SearchHandler
基本的请求处理器是SearchHandler,它提供一系列SearchComponents。
通过multipleshards支持分布式。
-->
<requestHandlername="/select"class="solr.SearchHandler">
<!--可以指定默认值。-->
<lstname="defaults">
<strname="echoParams">explicit</str>
<intname="rows">10</int>
<strname="df">text</str>
</lst>
<!--添加属性-->
<!--
<lstname="appends">
<strname="fq">inStock:true</str>
</lst>
-->

<!--用法同上,尽量不要使用。-->
<!--
<lstname="invariants">
<strname="facet.field">cat</str>
<strname="facet.field">manu_exact</str>
<strname="facet.query">price:[*TO500]</str>
<strname="facet.query">price:[500TO*]</str>
</lst>
-->
<!--下面的配置可以重置SearchComponents-->
<!--
<arrname="components">
<str>nameOfCustomComponent1</str>
<str>nameOfCustomComponent2</str>
</arr>
-->
</requestHandler>

如果想更深入了解，可以参考下这几篇文章，

http://wiki.apache.org/solr/SolrConfigXml/

http://www.yunvn.com/thread-15932-1-1.html

http://www.luoshengsha.com/197.html