一 基本說明
簡單來說Solr是基於Lucene的高性能的，開源的Java企業搜索服務器。Solr可以看作一個Web app，運行在tomcat或Jetty這類HTTP服務器上，
底層是一個基於Lucene的搜索引擎，還附加一個Solr的基本管理界面。Solr提供HTTP服務，通過Get方法進行查詢,通過Post方法進行索引的添加/刪除管理。
一般來說Solr的查詢時通過Get方法請求到HTTP服務器的solr這個app下的/select對應的servlet上去，而添加等操作時通過POST方法到HTTP服務器的
Solr這個app下的/update對應的servlet方法上去。
Solr作為搜索引擎，提供基於切面/高亮/多種輸出格式/復雜的語法搜索規則等功能。
與Lucene的區別是：Lucene是一些類API是個工具包，通過這些API我們可以創建索引/通過索引查詢；而Solr是在此基礎上的封裝，通過簡單的配置
就可以直接使用的開源搜索服務器。
二 基本概念
在Solr學習一中了解到搜索引擎的核心是建立索引，然后利用索引進行搜索。
在Solr中索引涉及到的概念有：
1 、 Core ： 在Solr的單節點部署或者Master-Salve方式部署下標示一個完整索引。Core都是由多個文件組成，建立索引的時候是先分段，然后再合並的方式。
一個Solr可以包含一個或多個Core，每個Core的配置可以不同；在SolrCoud部署下標示索引的一部分。
2、Collection： 在SolrCould部署模式下，指的是一個索引的邏輯概念。可以把Solr中的Core或Collection看做一個Oracle的實例。一個SolrCould可以包含多個Collection。
一個Collection可以切分成多個Shard，切分的數量大小和機器節點數和副本數有關系，要求shard數量*副本數<節點數*numShards 。注意一個節點標示啟動一個HTTP服務器，
一台機器可以起多個Solr節點（這種情況必須設置不同的端口），一個Collection的內容是由每個shard中的信息組成。一個shard的信息對應組成它的一個副本的信息。
3、Shard ： 標示切片，在SolrColud 部署模式下，將一個邏輯索引Collection切割成多個分片， 每個Shard是由多個副本Replica組成。
4、Replica ： 副本。多個副本組成一個Shard、注意一個Shard中的replica 包含的內容邏輯上應該是一樣的，Shard的數據只是其中一份Replica，不是這些副本的組合。
這些副本中有一個副本會被選擇為Leader，負責寫索引。
5、Zookeeper：另外一個開源的軟件，在solrCloud部署模式下是必須的，主要作用是：
1）配置的統一存儲和分發；2）shard中副本的Leader的選取；3）負責監控集群狀態，發生改變時候通知相關的監聽器，比如掛了一台機器，這台機器上如果有shard的leader節點，剩余的同一個shard的其他副本會競選Leader，且solrColud會知道這台機器掛掉，在處理請求的時候就不發請求給這台機器。
6、Config Set:配置組，存儲配置信息，每個Collection都有，至少包含solrconfig.xml這個是配置這個collection基本配置，比如使用的Lucene的版本、使用的查詢組件、緩存相關信息等；還必須包含Schema.Xml 這個配置文件配置的是Collection存在的文檔的字段，包括字段的類型，是否需要存儲，是否需要分詞等。
7、文檔： 在Solr中建立索引是通過文檔添加的方式進行，如果將索引看成一張表，那么文檔可以看成是一條記錄，那么Schema.xml可以看成這個表的定義。
一個文檔由多個字段定義，這些是在Schema.xml中定義的，不是所有定義的字段文檔中都必須有，但是反過來文檔中有的字段必須在Schema.xml中定義，
比如： <field name="subAcctName" type="string" indexed="true" stored="true" /> 標示定義一個字段為string類型，名稱為：subAcctName
是被索引的，而且是存儲的。當然也可以通過一種叫動態定義的方法進行字段的模糊匹配，比如 <dynamicField name="*_i" type="int" indexed="true" stored="true"/>就表示所有以_i結尾的字段都當成int來處理。
注意這里面的類型不同於java的類型，只是相似，對於每個類型，solr會定義其相關的處理規則等。比如：
<fieldType name="string" class="solr.StrField" sortMissingLast="true" />
標示string類型，對應的類為StrField類，如果缺失這個字段，默認在搜索的時候是排在最后的。
Schema.xml 在定義文檔的字段時候會定義一個唯一值字段，似於表的主鍵，形如： <uniqueKey>id</uniqueKey>，作用是用於在solrCloud
模式下進行路由，Solr通過一定的算法對每個文檔的ID進行計算，得到的一個Hash值，然后看下這個Hash值是屬於哪個shard，就把文檔發到哪個shard上去。
通過這個算法可以保證shard之間數量的均衡，在建索引可以起到負載均衡的作用。
如果你要制定文檔存儲的shard，有三個辦法：
1）通過特殊的ID，這個ID必須有兩部分組成，兩部分之間用！號分隔，solr在計算hash的時候，會利用！前面的16bit做hash，並且利用后面16個bit做hash，
然后把它組合起來，這樣可以保證這類文檔都發到特定的shard上，注意這個特定的shard上，而不知道是具體是哪一個shard上。
2）通過_shard_字段來指定具體的shard上，這個字段設置為shard1、shard2等。
3） 在建collection的時候路由器設置為：implicit方式，在建索引的時候，文檔添加一個_route_字段，值為：shard1、shard2等。
具體的語句舉例： http://x.x.x.x:xxx/solr-5.0.0-web/admin/collections?action=CREATE&name=testimplicit&router.name=implicit&shards=shard1,shard2,shard3
文檔在添加時候，如果以xml格式添加，內容類似：
<add><doc>
<field name=“id”>05991</field>
<field name=“name”>Peter Parker</field>
<field name=“supername”>Spider-Man</field>
<field name=“category”>superhero</field>
<field name=“powers”>agility</field>
<field name=“powers”>spider-sense</field>
</doc></add>
8、域（Field）：類似於數據庫表的字段，有類型，有處理方式。注意我在Solr學習之一講的倒排索引中的詞典中的詞不同於字段。
域只有指明被索引后，然后被分詞器進行分詞（在solr中string等基本類型是不會被分詞的，text類型標示復雜類型，需要分詞），之后才會存儲在詞典中
域有幾個非常重要的屬性：
indexed： 標示是否被索引，簡單來說，只有被索引的字段，在查詢時候才可以通過這個字段的值進行匹配查詢。
stored： 如果這個設置為true標示在索引中也存儲這個字段信息；如果不存在這個信息，這查詢的結果中不會顯示，這適用於內容非常多的場景，
我們通過查詢到的ID，再到其他存儲中，比如數據庫中把對應的這個字段信息再抽出來。
域中有個特殊的域叫拷貝域，它的作用是，可以將其他域的值拷貝到這個域中，搜索的時候只要搜索這個域就可以了。
<copyField source="title" dest="text"/>
<copyField source="content" dest="text"/>
將域title和content內容拷貝到text域里面。
9、段（Segment）
- 多個段組成索引，一個段由多個文件組成，新添加的文檔可以生產新的段，不同的段之間可以合並。
- 在index目錄下以相同數字的文件開頭的屬於一個段.
- segments.gen和segments_* 屬於段的元數據信息，保存段的基本屬性。
10、詞(Term)
第一部分介紹組成詞典的部分，是詞法分析語法分析后得到的字符串。
term由一對值組成：field name(string)和field value(bytes)，同一個value在不同的field中有不同的含義。
文檔、索引、字段、詞之間的關系可以用下圖描述：
《網上借來的圖》
一個索引是由多個段組成，在實際中段是一些列文件，一個段又是由多個文檔組成的，一個文檔又是由多個字段組成。
段獨立存在，作為一個子索引，可以被單獨搜索。
一個字段中的內容經過分詞變成Team 存儲在倒排索引中。
Lucene保存的索引信息，既包括正向信息又包含反向信息。
正向信息：按照從屬關系：索引(Index) –> 段(segment) –> 文檔(Document) –> 域(Field) –> 詞(Term)
一般上層不光包含自己的信息還包含部分的下層信息。
保存正向信息的文件有:
- segments_N 保存了此索引包含多少個段，每個段包含多少篇文檔。
- XXX.fnm 保存了此段包含了多少個域，每個域的名稱及索引方式。
- XXX.fdx，XXX.fdt 保存了此段包含的所有文檔，每篇文檔包含了多少域，每個域保存了那些信息。
- XXX.tvx，XXX.tvd，XXX.tvf 保存了此段包含多少文檔，每篇文檔包含了多少域，每個域包含了多少詞，每個詞的字符串，位置等信息。
反向信息：
詞典到索引的映射，也即我們說的倒排索引。
- XXX.tis，XXX.tii 保存了詞典(Term Dictionary)，也即此段包含的所有的詞按字典順序的排序。
- XXX.frq 保存了倒排表，也即包含每個詞的文檔ID列表。
- XXX.prx 保存了倒排表中每個詞在包含此詞的文檔中的位置。