作为开发者，我们都知道 Elasticsearch (ES) 很强大，但对服务器内存和CPU也是占用不小。在项目初期或者数据量没那么恐怖的时候，完全可以选择一个更轻量、同样基于 Lucene 的强者：Apache Solr。

今天就从零开始，快速搞定 Solr。

1. 安装Solr（极速上手）

这里以 Linux 为例，Mac 类似，Windows 请下载 zip 包。

bash
# 下载 Solr (这里以 8.11.1 为例，请替换为最新版本)
wget https://archive.apache.org/dist/lucene/solr/8.11.1/solr-8.11.1.tgz

# 解压
tar -xzf solr-8.11.1.tgz

# 启动 ( -p 指定端口，-d 以守护进程运行)
cd solr-8.11.1
./bin/solr start -p 8983 -d

访问 http://你的服务器IP:8983/solr，能看到 Admin UI 就成功了！

2. 创建核心（Core）与配置字段

Solr 中的 Core 类似于 ES 的 Index，是数据的容器。

创建 Core：

bash
./bin/solr create_core -c my_core -p 8983

配置字段（managed-schema）： 在 Admin UI 找到 my_core -> Schema。这里我们通过 UI 添加字段，底层实际是修改 managed-schema 文件。

• id (系统默认已有): type="string"，唯一标识。
• title: 文章标题，需要分词。
• content: 文章内容，需要分词。
• create_time: 创建时间，type="pdate"。

关键字段类型（FieldType）：

• text_general: 最常用的文本类型，会分词、转小写，适用于标题、内容等。
• string: 字符串类型，不分词，适用于 ID、标签、状态等需要精确匹配的字段。
• pint / plong: 整数/长整数。
• pfloat / pdouble: 浮点数。
• pdate: 日期时间类型。

3. 加入中文分词器（IK Analyzer）

默认分词对中文不友好（单字切分）。我们需要 IK Analyzer。

1. 下载 IK Jar 包 去 Maven 仓库搜索 ik-analyzer-solr，下载对应版本的 Jar 文件（如 ik-analyzer-8.5.0.jar）。

2. 部署 Jar 包 将 jar 包放入 server/solr-webapp/webapp/WEB-INF/lib/ 目录下。

3. 配置字段类型 在 managed-schema 中，新增一个 IK 分词字段类型：

   xml
   <fieldType name="text_ik" class="solr.TextField">
       <analyzer type="index">
           <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="false"/>
       </analyzer>
       <analyzer type="query">
           <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true"/>
       </analyzer>
   </fieldType>
   

   • index 用细粒度分词，保证召回。
   • query 用智能分词，提升准确率。

4. 修改字段类型 将 title 和 content 字段的 type 改为我们刚定义的 text_ik。

5. 重启 Solr ./bin/solr restart -p 8983

4. 集成 SpringBoot

在 pom.xml 中添加依赖：

xml
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-solr</artifactId>
</dependency>

在 application.yml 中配置：

yaml
spring:
  data:
    solr:
      host: http://localhost:8983/solr # 你的 Solr 地址

创建一个文档实体类：

java
import org.springframework.data.annotation.Id;
import org.springframework.data.solr.core.mapping.Indexed;
import org.springframework.data.solr.core.mapping.SolrDocument;

@SolrDocument(collection = "my_core") // 指定 Core 名
public class Article {
    @Id
    @Indexed
    private String id;
    
    @Indexed(type = "text_ik") // 使用 IK 分词的字段
    private String title;
    
    @Indexed(type = "text_ik")
    private String content;
    
    @Indexed(type = "pdate")
    private Date createTime;
    
    // getter/setter 省略
}

创建 Repository：

java
public interface SolrArticleRepository extends SolrCrudRepository<Article, String> {
    // Spring Data 会自动实现
    List<Article> findByTitleOrContent(String title, String content);
    
    // 更复杂的查询可以使用 @Query 注解
    @Query("title:*?0* OR content:*?0*")
    List<Article> findByKeyword(String keyword);
}

5. 调用：增删改查

在 Service 中注入 Repository 即可操作。

java
@Service
public class SearchService {

    @Autowired
    private SolrArticleRepository solrRepo;

    // 新增或更新
    public void save(Article article) {
        if(article.getId() == null) {
            article.setId(UUID.randomUUID().toString());
        }
        article.setCreateTime(new Date());
        solrRepo.save(article);
    }

    // 按 ID 查询
    public Optional<Article> findById(String id) {
        return solrRepo.findById(id);
    }

    // 关键词搜索
    public List<Article> search(String keyword) {
        return solrRepo.findByKeyword(keyword);
    }

    // 按 ID 删除
    public void delete(String id) {
        solrRepo.deleteById(id);
    }
}

总结

一套流程下来，你会发现 Solr 的 Admin UI 对开发者非常友好，配置和调试都很直观。对于大多数中小规模的搜索场景，Solr 在性能上和 ES 相差无几，但资源消耗却友好得多。

如果你的项目正面临资源瓶颈，又想快速引入一个强大的搜索功能，Solr 绝对是一个值得你花半天时间尝试的优秀选择。

行动路线：

1. 官网下载 -> 启动。
2. 创建 Core -> 配置 IK 分词。
3. SpringBoot 集成 -> 写个增删改查接口。
4. 搞定！