Apache Solr ～ Luceneベースの高スケーラブルなエンタープライズ検索サーバー

作者 James Kao , 翻訳者 松本 清一 投稿日 2007年9月6日

セクション

デベロップメント,

エンタープライズ・アーキテクチャ,

設計/アーキテクチャ

トピック

Webサービス ,

検索 ,

Ruby ,

SOA ,

Java

Apache Solrは、Luceneベースのエンタープライズ検索サーバーであり、移行可能なwarファイルに、革新的なインデックス機能やクエリー機能を備えている。ユーザーとSolrとのインタラクションは、HTTPインターフェースを通して、XMLドキュメントやHTTPのGETパラメータを利用したクエリーを作成し、インデックス化した内容を送る。さらに、Solrは、巨大スケール環境へのクエリーのロードを可能にした、マスター/スレーブのインデックスレプリケーションメカニズムを提供する。

Solrは、初めCNET Networksで開発されていたが、2006年に、Apacheソフトウェアファウンデーションに寄贈された。現在は、検索アプリケーションとして、様々な高トラフックな外向けWebサイトで利用されている。コミュニティの報告も活発で、数百万ドキュメントのインデックスでも、問題なく動作しているというユーザ報告もある。

Solrの機能セットは、いくつかのサブシステムに分類される。

スキーマ

• フィールドの型とドキュメントフィールドの定義
• 動的フィールドにより、新しいフィールドをまとめて追加することが可能
• 明示的な型により、フィールドの型を推測する必要がない
• ストップワード(※1)、同義語リスト、プロテクトワードのリストの設定が外部ファイルベースで可能
• 多くの追加テキストに対し、単語の分割、正規表現、あいまい検索を含んだ分析が可能

クエリー

• 設定可能なレスポンスフォーマット(XML/XSLT, JSON, Python, Ruby)があるHTTPのインターフェース
• 複数フィールドによるソート
• コンテキストの一部をハイライト
• 継続的なスコアリングレンジとプレフィックスクエリー - no idf、coord、lengthNormなどの要素や、クエリーがマッチする条件の数に制限が無い
• Function Query - フィールドの数値や順序による関数によって得られたスコアに影響する
• Date Math - クエリーや更新で、"当日"と比べた日付の指定が可能

コア

• 入れ替え可能なクエリーハンドラ、拡張性の高いXMLデータフォーマット
• ユニークキーのフィールドをベースとしたドキュメントの一意化
• 更新や削除をハイパフォーマンスで一括処理
• インデックスの変更をトリガーとした、ユーザが編集可能なコマンド群
• ソートやクエリーの整列の両方に対する数値での設定

キャッシュ

• キャッシュ実装部分が入れ替え可能
• バックグラウンドで自動的にキャッシュが行われる（あるサーチャーが直前にアクセスしたキャッシュが、別の新たなサーチャーに利用されます。インデックスやサーチャーを変更することで高いキャッシュヒット率が可能になります）
• 早くて小さいフィルター実装
• ユーザーレベルキャッシュの自動化のサポート
  

レプリケーション

• インデックス部分における効率的なディストリビューション
• プル戦略により、サーチャーが簡単に追加できる
• 設定を行うことで、高パフォーマンスとキャッシュ利用のトレードオフが可能

管理者用インターフェース

• キャッシュの利用、更新、クエリーにおける包括的な統計情報
• テキスト分析のデバッガ、分析の各段階における結果を表示
• Web管理のクエリーインターフェース、デバッグ出力

バージョン1.2が先週にリリースされ、数多くの新機能が追加された。

今回のリリースは、SolrがIncubatorを卒業して初めてのリリースとなり、CSVなどの区切りのテキストデータのロード、タイムベースの自動コミット、より高速なフェッチ、ネガティブフィルター、スペルチェックハンドラ、正規表現テキストフィルタ、より柔軟なプラグインといった、より多くの新機能を提供しています。

近頃、2つのパートに分かれたシリーズものの記事が、developerWorksに掲載され、インストール手順、設定方法、使用方法、Solrのチューニングといったより詳細な内容が、一通り書かれている。

（原文は2007年6月11日にリリースされました）

• 次へ >