さくらVPS CentOS6.2でSolr4.0にwikipediaのデータを投入

1. Solrのインストール
SolrにWikipediaのデータを入れて遊ぶを参考にさせていただいた。以下、設定内容。



2. Solr 4.0 のインストール
細かい設定は、さくらVPS CentOS6.2でSolr4.0のチュートリアルに従って設定済みのため、詳細は割愛する。


3. Wikipedia用ディレクトリの用意



4. 不要ファイルの削除



5. solr.xmlの編集
以下のとおりになっていることを確認する。

defaultCoreName="wikipedia"
core name="wikipedia"
instanceDir="wikipedia"



6. schema.xmlの編集
(1/31追記)SyntaxHighlighter内のソース記載が壊れていたため修正。
以下の内容をコピペする。

Ctrl+Cで終了する。


削除されている項目もあったたため、サンプルのschema.xmlのコメントを参照しながら、設定する。 maxFieldLengthの代わりに設定するはずだった、solr.LimitTokenCountFilterFactoryは、JIRAに不具合が報告されているようなので、ひとまずコメントアウトする。

LimitTokenCountFilterFactory config parsing is totally broken
(1/31追記)SyntaxHighlighter内のソース記載が壊れていたため修正。
solr4.0から導入された_version_フィールドを設定しないと起動時に異常終了する。



7. solrconfig.xmlの編集
今回は、特に実施しない。
(1/31追記)solrconfig.xmlを編集する。
以下をコメントアウトする。




8. solrの起動




9. wikipediaのデータをダウンロード




10. Javaソース（PagesArticlesXmlParser.java）の設置
Ctrl+Cで終了する。

grepcodeで調べたところ、CommonsHttpSolrServerは、solr-solrj 3.6.1までのようなので、HttpSolrServerに変更した。





11. Javaソース（WikipediaModel.java）の設置
Ctrl+Cで終了する。






12. クラスファイルの生成




13. Wikipediaのデータインポート




14. 管理コンソールの起動
ブラウザから、「http://IPアドレス:8983/solr/#/wikipedia/query」を起動し、管理コンソールから検索できるか確認する。