Introducción a Solr y sus características para búsqueda de texto completo
•
0 likes•920 views
Este documento introduce Solr, un servidor de búsqueda y indexación de texto completo. Explica que Solr se comunica a través de HTTP, soporta formatos XML y JSON, y está basado en Lucene, una librería de búsqueda de texto completo. También describe algunos conceptos fundamentales como documentos, campos y términos, e incluye ejemplos de cómo instalar y usar Solr.
Recommended
More Related Content
Viewers also liked
Viewers also liked (20)
Recently uploaded
Recently uploaded (20)
Introducción a Solr y sus características para búsqueda de texto completo
- 4. SELECT ... FROM ... WHERE ... LIKE “%query%” Primera solución
- 7. No tan así ... •lento con muchas tuplas •mayúsculas/minúsculas •longitud del campo •match parciales •análisis textuales
- 8. 1) la uci 2) bienvenido la uci 3) esta es la uci Match parciales query=“la uci” query=“esta uci”
- 9. Análisis textuales ABCD123 ➜ [“ABCD”, “123”] “la casa” ➜ [“casa”] “drinking, learning” ➜ [“drink”, “learn”]
- 10. No tan así ... •lento con muchas tuplas •mayúsculas/minúsculas •longitud del campo •match parciales •análisis textuales •¿relevancia?
- 11. Características
- 12. • servidor de indexación • comunica a través HTTP (REST) • soporta formatos XML y JSON • configuración vía ficheros • caché a diferentes niveles • basado en Lucene • orientado a documentos (NoSQL) • extensible • distribuido, escalable, etc.
- 13. Lucene
- 14. • librería de búsqueda full-text • muy utilizada y extendida • desarrollada desde el 2000 • pertenece a la Fundación Apache • open source Lucenees... ynoes: • un servidor, crawler o un sistema
- 15. IndiceInvertido correlaciónentretérminosylosdocumentos dondeaparece,posiciónrelativayfrecuencia.
- 16. Término Documentos a doc1[2x] brown doc2[1x],doc3[1x] cat doc4[1x] cow doc2[1x] … … once doc1[1x] over doc2[1x] the doc2[1x],doc3[1x] doc4[1x] … Documento Contenido doc1 once upon a time, in a land doc2 the brown cow jumped over... doc3 the quick brown fox… doc4 the cat in the hat IndiceInvertido ademásseguardalaposición deltérminoeneldocumento
- 17. • Documento: Cualquier fragmento de información enviado a Solr. • Campo: Unidad lógica que compone a los documentos (columnas en un SGBD). • Término: Es la unidad básica que compone cada campo de un documento. ConceptosFundamentales
- 20. Nutch ♥ Solr
- 21. spider BD Web
- 22. Instalando Solr
- 25. ➜ cd /path/a/solr/example ➜ java -jar start.jar Iniciando Solr ⌨Ctrl+C#paradetenerelservidor
- 29. ➜ cd exampledocs/ ➜ java -jar post.jar *.xml Añadiendo documentos
- 33. <response> <lst name="responseHeader"> <int name="status">0</int> <int name="QTime">1</int> </lst> <result name="response" numFound="32"> <doc> <str name="id">belkin</str> <arr name="compName_s"> <str>Belkin</str> </arr> <arr name="address_s"> <str>12045 E. Waterfront Drive</str> </arr> </doc> </result> </response> XML
- 34. <doc> <str name="id">belkin</str> <arr name="compName_s"> <str>Belkin</str> </arr> <arr name="address_s"> <str> 12045 E. Waterfront Drive </str> </arr> </doc> <doc></doc>
- 35. { "responseHeader":{ "status":0, "QTime":15}, "response":{ "numFound":32, "docs":[ { "id":"belkin", "compName_s":["Belkin"], "address_s":["12045 E. Waterfront Drive Playa Vista, CA 90094"] } ] } } JSON