利用SOLR搭建企业搜索平台 之八（solr 实现去掉重复的搜索结果，打SOLR-236_collapsing.patch补丁）

引用Bory.Chanhttp://blog.chenlb.com/2009/04/apply-solr-collapsing-patch-remove-duplicate-result.html
打上SOLR-236_collapsing.patch补丁，实现 solr 搜索结果折叠、除去重复的搜索结果，可以实现类似google搜索结果的“站内的其它相关信息 ”。solr collapsing patch 是用 hash 某个字段来实现折叠重复结果的。下面我演示下应用这个补丁并搜索试用下。

其实 solr 上已经有了这功能的实现：solr 1.3 collapse patch， 请看：https://issues.apache.org/jira/browse/SOLR-236，我这里下载是了新的：https://issues.apache.org/jira/secure/attachment/12403590/SOLR-236_collapsing.patch。

下载好后就需要打上补丁了，先准备一份源码在D:/apache-solr-1.3.0目录下。没有可以去下载：http: //archive.apache.org/dist/lucene/solr/1.3.0/apache-solr-1.3.0.zip。把SOLR- 236_collapsing.patch文件放在D:/apache-solr-1.3.0目录下， 打补丁有我知道的有两种：用linux工具 patch（windows 下有 cygwin）；用 ant 的 patch。

windows cygwin 的 patch：
Html代码
  1. D:\apache-solr-1.3.0>patch -p0 < SOLR-236_collapsing.patch  
  2. patching file src/test/org/apache/solr/search/TestDocSet.java  
  3. patching file src/java/org/apache/solr/search/CollapseFilter.java  
  4. patching file src/java/org/apache/solr/search/DocSet.java  
  5. patching file src/java/org/apache/solr/search/NegatedDocSet.java  
  6. patching file src/java/org/apache/solr/search/SolrIndexSearcher.java  
  7. patching file src/java/org/apache/solr/common/params/CollapseParams.java  
  8. patching file src/java/org/apache/solr/handler/component/CollapseComponent.java 
ant patch，把下面的内容保存为 patch-build.xml 放到 D:\apache-solr-1.3.0 目录下：

Xml代码
  1. <?xml version="1.0" encoding="UTF-8"?>    
  2. <project name="solr-patch" default="apply-patch" basedir=".">      
  3.     
  4.     <target name="apply-patch" description="Apply a patch file.  Set -Dpatch.file">    
  5.         <patch patchfile="${patch.file}" strip="0"/>    
  6.     </target>    
  7. </project>  
 
ant 打补丁：
Html代码
  1. D:\apache-solr-1.3.0>ant -Dpatch.file=SOLR-236_collapsing.patch -f patch-build.xml  
  2. Buildfile: patch-build.xml  
  3.   
  4. apply-patch:  
  5. [patch] patching file src/test/org/apache/solr/search/TestDocSet.java  
  6. [patch] patching file src/java/org/apache/solr/search/CollapseFilter.java  
  7. [patch] patching file src/java/org/apache/solr/search/DocSet.java  
  8. [patch] patching file src/java/org/apache/solr/search/NegatedDocSet.java  
  9. [patch] patching file src/java/org/apache/solr/search/SolrIndexSearcher.java  
  10. [patch] patching file src/java/org/apache/solr/common/params/CollapseParams.java  
  11. [patch] patching file src/java/org/apache/solr/handler/component/CollapseComponent.java  
  12.   
  13. BUILD SUCCESSFUL  
  14. Total time: 0 seconds 
源码打上了补丁，然后用 ant 构建源码：

D:\apache-solr-1.3.0>ant dist

在 D:/apache-solr-1.3.0/dist 目录下可以找到编译好的 solr 了。然后把 solr 放到 tomcat 中去运行它，把下面的内容保存在 TOMCAT_HOME/conf/Catalina/localhost/solr.xml 文件中：

Xml代码
  1. <Context docBase="D:\apache-solr-1.3.0\dist\apache-solr-1.3.0.war" reloadable="true" >    
  2.     <Environment name="solr/home" type="java.lang.String" value="D:\apache-solr-1.3.0\example\solr" override="true" />    
  3. </Context>    


修改 D:\apache-solr-1.3.0\example\solr\conf\solrconfig.xml 使 solr 可以支持 collapse。

定义搜索组件，在 QueryComponent 附近：

<searchComponent name="collapse" class="org.apache.solr.handler.component.CollapseComponent" /> 
定义一个 handler 使用上面的搜索组件：
Xml代码
  1. <requestHandler name="collapse" class="solr.SearchHandler">    
  2.   <!-- default values for query parameters -->    
  3.    <lst name="defaults">    
  4.      <str name="echoParams">explicit</str>    
  5.    </lst>    
  6.   <arr name="components">    
  7.     <str>collapse</str>    
  8.     <str>debug</str>    
  9.   </arr>    
  10. </requestHandler>  
安装启动 tomcat，现在提交一些数据给它，用官方的示例数据就可以了。运行：
Html代码
  1. D:\apache-solr-1.3.0\example\exampledocs>java -Durl=http://localhost:8080/solr/update -Dcommit=yes -jar post.jar *.xml  
  2. SimplePostTool: version 1.2  
  3. SimplePostTool: WARNING: Make sure your XML documents are encoded in UTF-8, other encodings are not currently supported  
  4. SimplePostTool: POSTing files to http://localhost:8080/solr/update..  
  5. SimplePostTool: POSTing file hd.xml  
  6. SimplePostTool: POSTing file ipod_other.xml  
  7. SimplePostTool: POSTing file ipod_video.xml  
  8. SimplePostTool: POSTing file mem.xml  
  9. SimplePostTool: POSTing file monitor.xml  
  10. SimplePostTool: POSTing file monitor2.xml  
  11. SimplePostTool: POSTing file mp500.xml  
  12. SimplePostTool: POSTing file sd500.xml  
  13. SimplePostTool: POSTing file solr.xml  
  14. SimplePostTool: POSTing file spellchecker.xml  
  15. SimplePostTool: POSTing file utf8-example.xml  
  16. SimplePostTool: POSTing file vidcard.xml  
  17. SimplePostTool: COMMITting Solr index changes.. 
http://localhost:8080/solr/admin/stats.jsp 有结果了？ 有了。然后开始查询试试看。

查询：http://localhost:8080/solr/select/?q=*%3A*&indent=on& qt=collapse&collapse=true&collapse.field=popularity&collapse.threshold=1

结果：
Xml代码
  1. <?xml version="1.0" encoding="UTF-8"?>    
  2. <response>    
  3.     
  4. <lst name="responseHeader">    
  5.  <int name="status">0</int>    
  6.  <int name="QTime">0</int>    
  7.  <lst name="params">    
  8.   <str name="collapse.field">popularity</str>    
  9.   <str name="fl">id</str>    
  10.   <str name="collapse.threshold">1</str>    
  11.   <str name="indent">on</str>    
  12.   <str name="q">*:*</str>    
  13.   <str name="qt">collapse</str>    
  14.   <str name="collapse">true</str>    
  15.  </lst>    
  16. </lst>    
  17. <lst name="collapse_counts">    
  18.  <str name="field">popularity</str>    
  19.  <lst name="doc">    
  20.   <int name="SP2514N">4</int>    
  21.   <int name="F8V7067-APL-KIT">1</int>    
  22.   <int name="MA147LL/A">1</int>    
  23.   <int name="TWINX2048-3200PRO">1</int>    
  24.   <int name="VS1GB400C3">3</int>    
  25.   <int name="1">10</int>    
  26.  </lst>    
  27.  <lst name="count">    
  28.   <int name="6">4</int>    
  29.   <int name="1">1</int>    
  30.   <int name="10">1</int>    
  31.   <int name="5">1</int>    
  32.   <int name="7">3</int>    
  33.   <int name="0">10</int>    
  34.  </lst>    
  35.  <str name="debug">HashDocSet(6) Time(ms): 0/0/0/0</str>    
  36. </lst>    
  37. <result name="response" numFound="6" start="0">    
  38.  <doc>    
  39.   <str name="id">SP2514N</str>    
  40.  </doc>    
  41.  <doc>    
  42.   <str name="id">F8V7067-APL-KIT</str>    
  43.  </doc>    
  44.  <doc>    
  45.   <str name="id">MA147LL/A</str>    
  46.  </doc>    
  47.  <doc>    
  48.   <str name="id">TWINX2048-3200PRO</str>    
  49.  </doc>    
  50.  <doc>    
  51.   <str name="id">VS1GB400C3</str>    
  52.  </doc>    
  53.  <doc>    
  54.   <str name="id">1</str>    
  55.  </doc>    
  56. </result>    
  57. </response>    
  58. 可以看到 collapse_counts 相关的输出：  
  59.   
  60. <lst name="collapse_counts">    
  61.  <str name="field">popularity</str>    
  62.  <lst name="doc">    
  63.   <int name="SP2514N">4</int>    
  64. ...    
  65.  </lst>    
  66.  <lst name="count">    
  67.   <int name="6">4</int>    
  68.   <int name="1">1</int>    
  69.   <int name="10">1</int>    
  70.   <int name="5">1</int>    
  71.   <int name="7">3</int>    
  72.   <int name="0">10</int>    
  73.  </lst>    
  74.  <str name="debug">HashDocSet(6) Time(ms): 0/0/0/0</str>    
  75. </lst>   
上面的 count 下的内容（它的顺序是result/doc的顺序），表示 popularity=6 相同的结果还有 4 个，与 popularity=1 相同的结果还有 1 个，依此类推。这样就可以显示给用户的界面里提示“相同的其它内容不有N个”。

使用的参数有：

#启用 collapse 组件 
collapse=true 
#用那个字段来 hash 去除重量内容 
collapse.field=popularity 
#要结果中可以最多出现几个相同的文档 
collapse.threshold=1 
当然还有其它参数，请看：org.apache.solr.common.params.CollapseParams 类。
posted @ 2009-09-16 11:53  searchDM  阅读(1157)  评论(2)  编辑  收藏  举报