Solr と ManifoldCF
- Apahe Lucene ⇒ 全文検索の部品
- Apahe Solr ⇒ 全文検索のサーバー
- Apahe ManifoldCF ⇒ クローラー
CentOS 7.0 を使った。
CentOS 上のファイルシステムに PDF や Excel, Word を置いて全文検索するまでの記録。
ネットワーク穴あけ
systemctl stop firewalld.service
Solr を起動
rm -rf solr-4.9.0
export _JAVA_OPTIONS="-Djava.net.preferIPv4Stack=true"
tar xf solr-4.9.0.tgz
cd solr-4.9.0/example/
java -jar start.jar
Started SocketConnector@0.0.0.0:8983 と表示されたら起動完了。
ManifoldCF 起動
rm -rf apache-manifoldcf-1.6.1
export _JAVA_OPTIONS="-Djava.net.preferIPv4Stack=true"
tar xf apache-manifoldcf-1.6.1-bin.tar.gz
cd apache-manifoldcf-1.6.1/example/
java -jar start.jar
Starting crawler… と表示されたら起動完了。
検索対象の文書ファイルを設置
- /home/user2/doc/ フォルダを掘り、そこに色々とファイルを置く。
- 手元 Windows に存在した各種文書を CentOS にアップロードした。
- PDF や MS Office 文書も大丈夫。
- フォルダやファイルの名称に日本語使っていても大丈夫だけど、アップロード後にフォルダ名、ファイル名が文字化けていないか確認すること。
- 文字化けていると、ManifoldCF によるクロールの対象にならなかった。
- WinSCP でアップロードするなら、SCP ではなく SFTP を選び、UTF-8 encoding for filenames を On にする。
クローラーを動かす
- http://192.168.0.7:8345/mcf-crawler-ui をブラウザーで開く。
- ユーザー、パスワードともに admin
出力先を定義
入力元を定義
ジョブ登録（入力と出力を関連付け）してジョブを起動
クエリーを投げる
http://192.168.0.7:8983/solr をブラウザーで開く。
Solritas サンプル アプリ
- http://192.168.0.7:8983/solr/collection1/browse
- 管理画面とは別に、見た目いい感じの一般利用者向けな全文検索アプリのサンプルが存在する。
2014/7/14 初版