Vi har ventet lenge, og nå er endelig versjon 3.1 av Solr sluppet. Versjon 1.4.1 kom i juni 2010 og av ulike årsaker ble det aldri noen 1.4.2 eller 1.5 versjon. Dels på grunn av at utviklingsmiljøet og kodebasen til Lucene og Solr ble slått sammen, noe som også forklarer hoppet i versjon til 3.1, for å tilpasse seg Lucene’s versjonsnummer.

Så hva er nytt? For meg er de viktigste to funksjonene Extended Dismax parser (SOLR-1553) og GEO-søk. En komplett liste over forbedringer finnes i CHANGES.TXT, men her er mine favoritter:

(mer…)

Den flunkende nye versjon 3.1 av Apache Solr ble sluppet i går.

Vi har laget et 2-siders Apache Solr produkt-ark som veldig konsist (og vakkert) beskriver høynivå egenskapene til denne populære søkemotoren, inkludert linker til nedlasting og hvordan man kommer igang.

Bruk det for å forklare for business-personer og beslutningstakere hva fri programvare søk er istand til. Dette er den manglende “glansede” brikken i markedsføringen av Solr om du vil.

Du er fri til å gjenbruke dette produktarket i din kommersielle business, da det er lisensiert under Creative Commons BY-SA, som betyr at du til og med kan gjøre endringer så lenge du lar linken og krediten til Cominvent forbli som den er og du også deler dine endringer under samme lisens og på ODF kildeformat.

Last ned Solr 3.1 produktark (PDF).

Og her er Solr 3.1 product sheet master (ODT).

Vi fortsetter å gi deg sammendrag av hva som skjer på Solr fronten. Takk til Sematext for nok et bra referat.

Funksjonalitet som er committet (lagt inn i kildekoden)

• Et vanlig problem noen hadde med highlighteren var ar q.alt ikke fungerte. Dette er nå rettet med Highlighter doesn’t support q.alt og er allerede committet til branch_3x og trunk.
• En bug der uregistrerte “searchers” ikke ble lukket er rettet i SOLR-2179 og også committet.
• En mindre men dog nyttig funksjon som nå finnes i trunk og branch_3x er Propose adding field to the admin GUI to indicate the status of HTTP caching.
• En fiks ifbm SolrJ sin StreamingUpdateSolrServer er rettet og lagt inn i trunk, branch_3x og 1.4 (det som blir 1.4.2). Se SOLR-2192.

Spennende funksjonalitet under utvikling

• Fasettering er en mye brukt funksjonalitet, men av og til ønsker folk seg mer avanserte fasetter. Hierarchical faceting (hierarkiske fasetter) er en slik ting. Utviklingen har pågått en god stund, og til tross for at det også finnes noen patcher er den fortsatt ikke committet. En annen liknende issue er Pivot (aka Decision Tree) Faceting Component som blir å finne som en ny søke-komponent. Denne har sett endel mer aktivitet i det siste så vi kommer nok til å se utvidet fasetterings-støtte i Sorl etterhvert.

Interessant ny funksjonalitet

• Det å utvide SchemaField med egne atributter jobbes det med i Custom SchemaField object issuen.
• Det å forbedre relevans er alltid en stor og viktig aktivitet, og er ofte en stor del av våre konsulentoppdrag, uansett hvor god Solr sin ut-av-boksen relevas er. Et nyttig tillegg til vår verktøykasse kan komme fra Anti-phrasing funksjonen. Tanken er at visse ord-sekvenser i en spørring er irrelevante for spørringens innhold (som f.eks. “Hvor finner jeg” eller “Hvor er”), og kan/burde ignoreres i selve søket. Denne JIRA saken (som Jan Høydahl har laget) er fortsatt helt fersk, så ikke hold pusten for en implementering neste uke, men forvent den i en av de fremtidige Solr versjonene.
• Hvis du ofte jobber med finansielle data kan du finne noe nyttig i denne: Money FieldType. Dette er en ny felt-type som støtter desimaltall og range spørringer, sortering og valutakurs-omregning.
• Lucene sin ICUTokenizer er nyttig til flerspråklig tokenisering, men den har hittil ikke vært tilgjengelig for Solr. JIRA-saken Provide Solr FilterFactory for Lucene ICUTokenizer vil gi oss en FilterFactory som lar oss bruke denne fra Solr. Patchen finnes allerede og kan testes ut! Hvis du behøver ytterligere multispråk støtte i Solr kan du også kikke på Sematext’s Multilingual Indexer.

Diverse

• Et emne som vi har skrevet om før og som skaper litt forvirring, handler om de ulike Solr versjonene. Emnet diskuteres fortsatt, og her er en tråd fra mailingslistene: Which version of Solr to use?. For å oppsummere. Solr 1.5 blir antakelig aldri sluppet. Kildekode-grenen branch_3x er stabil og danner grunnlag for neste versjon som er 3.1. Trunk-versjonen inneholder relativt stabil kode, og er utviklingsversjonen av hva som en dag vil bli Solr 4.0.
• Hvis du bruker fasetter i din applikasjon kan du kanskje finne ideer til hvordan du kan optimalisere den her: Faceting and first letter of fields.
• Det er også oppdaget at Solr har problemer med å kjøre på Tomcat 7. Dette gjelder alle versjoner av Solr. For å lese mer om dette kan du se på disse: Problems running on tomcat og SOLR-2022 .
• Replikerings-funksjonen mellom master og slave fungerer ikke om disse kjører forskjellig versjon av Solr. Grunnen kan du se i denne saken: Cross-version replication broken by new javabin format. Det er altså fordi et nytt javabin format er lansert i versjon 3.x, så i tilfelle f.eks. master 1.4.1, og slave 3x vil du støte på problemet. Husk på det hvis du planlegger replikering på tvers av versjoner (noe som ikke er så lurt).

Dette var de mest interessante highlights for oktober. Les den engelske originalen her.

Som vanlig, er juli en av de tregere måneder i Solr verdenen, men vi klarte å finne noen interessante temaer:

• Interessante funksjonen kan legges til med Solr-1979 - Create LanguageIdentifierUpdateProcessor. Den vil gi mulighet til å håndtere tekst på ulike språk (tenk på stemming i analyse, for eksempel) ved å detektere språket automatisk. Denne issue er helt ny, så arbeidet med denne og noen brukbare patcher kommer en gang i fremtiden. Men hvis du trenger noe som fungerer nå, har Sematext noen produkter for flerspråklig funksjonalitet, for eksempel, flerspråklig indeksering eller Språkidentifikator .
• En annen interessant ting kommer med Solr-1980 – Boundary match support. Dette vil muliggjøre søtte for søk på ord i starten eller på slutten av feltet, og dermed unngå falske delvise treff. Dette vil kunne gi mer relevante søkeresultater i noen spesielle tilfeller. Denne ticket er også i sin spede begynnelse, og har ingen patcher ennå, så vi får vente og se hvordan det utvikler seg.
• Noen ganger ønsker vi å lagre (store) noe annet enn den rå input-verdien av et felt (husk, Solr lagrer en “stored” og en “indexed” versjon, og det som returneres er den rå input-verdien til, ikke dens analysert versjon). En fiks for dette finnes allerede i en ganske fersk JIRA ticket - Solr-1997 - Lagre intern verdi i stedet for input-verdi.
• Er du klar til å begynne å bruke Solr, men er usikker på hvilken versjon du bør bruke? Ikke bekymre deg, forvirring om Solr’s versjoner startet denne våren (se Solr May 2010 Digest ), men ting har stabilisert seg i det siste. Den siste release-utgaven er 1.4.1, med mange feilrettinger. Den neste versjonen vil bli 3.1, og du finner kildekoden på branch_3x grenen. Du finner de nattlige byggene her . TRUNK brukes fremdeles for “ustabil” utvikling og den framtidige 4.0-versjonen. For mer informasjon, sjekk disse siste trådene på Solr mailingliste: her og her .
• Mange vil nok være enig i at Solr SpellCheckComponent  ikke er veldig nyttig i real life applikasjoner. Et av de største problemene er at det dårlig håndterer spørringer med flere ord, der forslagene i “collate” gir beste forslag for hvert ord i spørringen, slik at du ofte får forslag som gir 0 treff. I tillegg får man ikke vite viktig meta-informasjon, som hvor mange treff søket vil generere og hvilke resultater det vil gi. Noen av disse problemene kan være løst en dag med Solr-2010 – Improvements to SpellCheckComponent Collate functionality. Den første versjonen av oppdateringen er allerede klar. Men hvis du vil bruke slik funksjonalitet i produksjon i dag, kan du vurdere en mye mer sofistikert og produksjons-klar komponent utviklet av Sematext – DYM ReSearcher – du kan se Dym ReSearcher i aksjon på Search-Lucene.com, for eksempel.
• En mindre funksjonalitet er lagt til QueryElevationComponent – Add option to return only the specified results. Den kom i JIRA issue Solr-1966 og er allerede portet til 3.x og TRUNK.

Denne artikkelen er norsk oversettelse av Sematext’s Solr Digest.