1，Query类：这是一个抽象类，用于将用户输入的查询字符串封装成Lucene能够识别的Query，它具有TermQuery,BooleanQuery,PrefixQuery等多种实现。2，Term类：用于描述搜索的基本单位，其构造函数是Term(“fieldName”,”queryWord”)，其中第一个参数代表要在文档的哪一个Field上进行搜索，第二个参数代表要搜索的关键词。

Solr是一种可供企业使用的、基于Lucene的搜索服务器，它支持层面搜索、命中醒目显示和多种输出格式。在这篇文章中，将介绍Solr并展示如何轻松地将其表现优异的全文本搜索功能加入到Web应用程序中。

目录互联网是一张巨大的图图的遍历——网络爬虫爬取网页切词PageRank排序搜索引擎做些啥？帮我们找信息保存网址和网页的部分内容，供我们查找咋找网址？——爬虫——图论——搜索技术Web上的蜘蛛——网络爬虫如何找到网页？通过超链接查询网址网络爬虫是一种机器人程序，是搜索引擎抓取网页的程序。

向上向外扩展：关于研究Nutch/Lucene的互操作性摘要在过去几年中，多处理系统提高运行能力的解决方案一直困扰着主流的商业计算。主要的服务器供应商继续提供越来越强悍的机器，而近期，向外扩展的解决方案，规模较小的机器集群的形式，更加被商业计算所接受。向外扩展的解决方案是以网络为中心高吞吐量的特别有效的应用。

基于内容的图像检索。摘要：常人在平日的生活中只能记住自己听到过内容的10%，记住自己阅读过内容的30%，却能记住自己看过内容的80%。视觉是人类获得信息的重要途径。越来越多的图像搜索引擎亮相公众,人们的图片检索更加快捷。本文介绍了基于内容图像检索技术的原理及基于这些原理的近几年出现的图像搜索引擎。关键词：搜索引擎；图像检索；

倒排索引1.简介倒排索引源于实际应用中需要根据属性的值来查找记录。这种索引表中的每一项都包括一个属性值和具有该属性值的各记录的地址。由于不是由记录来确定属性值，而是由属性值来确定记录的位置，因而称为倒排索引（invertedindex）。带有倒排索引的文件我们称为倒排索引文件，简称倒排文件（invertedfile）。倒排文件（倒排索引），索引对象是文档或者文档集合中的单词等，用来存储这些单词在一个文档或者一组文档中的存储位置，是对文档或者文档集合的一种最常用的索引机制。

用Lucene检索数据库1.写一段传统的JDBC程序，讲每条的用户信息从数据库读取出来2.针对每条用户记录，建立一个lucene document Documentdoc=newDocument();并根据你的需要，将用户信息的各个字段对应luncenedocument中的field进行添加。

SOLR安装部署平台搭建。Apache Solr (读音: SOLer) 是一个开源的搜索服务器。Solr 使用 Java 语言开发，主要基于 HTTP 和 Apache Lucene 实现。Apache Solr 中存储的资源是以 Document 为对象进行存储的。

SolrCloud 整合Tomcat手册

solr4.5.1+tomcat6部署详细步骤(网上很多不完整）

lucene单个索引支撑的数据量极限，如何接近这个极限？ lucene单个索引支撑的数据量极限是Integer.MAX_VALUE. 　　因为lucene索引中doc都有一个内部的docid，这个id lucene用了int 来做，因此，lucene单个索引支撑的数据量极限是Integer.MAX_VALUE.

solr的一些查询语法数据场景首先假设我的数据里fields有:name,tel,address预设的搜寻是name这个字段,如果要搜寻的数据刚好就是name这个字段,就不需要指定搜寻字段名称.查询规则:如欲查询特定字段(非预设字段),请在查询词前加上该字段名称加“:”(不包含”号)符号

高性能搜索SOLR学习笔记分享

托google、百度们成功的福，搜索引擎火了半边天。很多人都想跨到这个行业里边来。前两天在公司里边面试了一些人，基本上没有感到满意。不是说从业经验不够，有些也已经工作了三年、四年。不过我估计，或者说是猜想，是不是做应用做的时间太长了，把数据结构、算法，时间、效率都扔到一边去了；然后平时的工作又太忙，平时自己工作的做的可以，但对工作相关的、稍微扩展的知识没有时间或者说是懒得去看了

目录搜索引擎简介Lucene简介Lucene原理Lucene应用实例搜索引擎搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。搜索引擎包括全文索引、目录索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。全文搜索引擎是名副其实的搜索引擎，国外代表有Google，国内则有著名的百度。它们从互联网提取各个网站的信息（以网页文字为主），建立起数据库，并能检索与用户查询条件相匹配的记录，按一定的排列顺序返回结果。全文检索:数据的存储有结构化和非结构化的。

Lucene课程内容第一章：lucene简介第二章：入门实例第三章：内建Query对象第四章：分析器Analyzer第五章：QueryParser第六章：索引第七章：排序第八章：过滤项目实践：构建一个简单的WEB搜索程序第一章:Lucene简介搜索引擎的历史什么是Lucene全文检索系统的结构为什么使用LuceneLucene倒排索引原理Lucene Implementations基于Lucene的搜索程序CompassNutch开源搜索引擎列表全球商用搜索市场Heritrix介绍课堂练习:Heritrix简单抓取任务的设置搜索引擎的历史萌芽：Archie、Gopher　起步：Robot(网络机器人)的出现与Spider(网络爬虫)　发展。

1基本原理：1.1体系结构设计：网络蜘蛛一般都具有3模块：HTTP下载模块，链接分析模块，下载控制模块。HTTP下载模块利用http网络协议下载，获取并存储内容。链接分析模块能提取网页中的超链接，用来获得后续页面入口。下载控制模块控制页面访问次序、更新策略、访问队列调度等工作。工作流程：访问URL数据库，读取URL入口地址，生成内存访问队列。寻找空闲的HTTP下载模块，分配URL，启动下载任务。HTTP下载模块访问互联网，得到的网页内容放入结果队列。

网络上关于nutch1.4的配置和使用很少，官方网站提供的方法我研究了半天特别麻烦，而且发现弄完后有的依赖包找不到，我决定放弃使用。将这两天关于nutch1.4配置的另一种方法整理一下仅供参考！

1，Query类：这是一个抽象类，用于将用户输入的查询字符串封装成Lucene能够识别的Query，它具有TermQuery,BooleanQuery,PrefixQuery等多种实现。2，Term类：用于描述搜索的基本单位，其构造函数是Term(“fieldName”,”queryWord”)，其中第一个参数代表要在文档的哪一个Field上进行搜索，第二个参数代表要搜索的关键词。3，TermQuery类：TermQuery是抽象类Query的一个具体实现，也是Lucene支持的最为基本的一个查询类。TermQuery的构造函数是TermQuery(newTerm(“fieldName”,”queryWord”))，唯一的参数是一个Term对象。4，IndexSearcher类：用于在建立好的索引上进行搜索的句柄类，其打开索引方式被设置为只读，因此允许多个IndexSearcher实例操作同一个索引。

前些日子做了个apache solr应用的入门介绍，也在博客记录下，方便新手看看。以搜索论坛帖子为示例。