Dé specialist in content management

• Productontwikkeling

Apache Solr (http://lucene.apache.org/solr) is een open source zoekoplossing, gebouwd bovenop Apache Lucene. Het stelt een uitgebreide set van zoekfunctionaliteiten beschikbaar  via een REST-achtige webservice. Solr is in staat om kleine, maar ook heel grote documentcollecties doorzoekbaar te maken en is geschikt om in een  geclusterde omgeving te draaien. Naast de standaard Lucene-functionaliteit biedt Solr veel meer ondersteuning (bijvoorbeeld faceted navigation, autosuggest en verbeterde zoekopdrachten).

Gemiddeld verschijnt er elke vier maanden een minor / major release. Meestal worden nieuwe releases voorgesteld en bepaald door de project committers.

• België
• Canada
• Denemarken
• Duitsland
• Frankrijk
• Luxemburg
• Nederland
• Noorwegen
• Oostenrijk
• Verenigd Koninkrijk
• Verenigde Staten
• IJsland
• Zweden
• Zwitserland
• anders

Er wordt hard gewerkt aan Solr versie 4.0, die verwacht wordt in de Q2 / Q3 van 2012. Voor deze release ligt de focus op het verbeteren van de performance en bestaande functionaliteit. Daarnaast zullen er nieuwe features worden toegevoegd. Een aantal nieuwe features:

• SolrCloud - hiermee kan op eenvoudige wijze grote installaties worden opgezet ook wel bekend als distributed installaties (waarbij de data wordt verdeeld over meerdere machines). SolrCloud is verantwoordelijk voor distributed searching en distributed indexing.
• Query time join - maakt het mogelijk om te zoeken door data die niet direct aan elkaar is gekoppeld.
• Pivot facets - ook wel bekend als 'matrix facets', die het mogelijk maken om facets weer te geven die een combinatie zijn uit andere facets.

• zoeken, indexeren en tekstanalyse
• gedistribueerd zoeken - sharing en replicatie
• markering van zoekwoorden
• spellingcontrole
• "More like this ..."
• zoekresultaten groeperen
• gefaceteerd zoeken
• taaldetectie van content
• extractie van binary bestanden, zoals Office-documenten, PDF-bestanden en meer.

Orange 11 - http://www.orange11.nl, info@orange11.nl, contactpersoon: Bram Smeets (CTO)

Lucid Imagination - http://www.lucidimagination.com, info@lucidimagination.com

ILocal (2008), http://www.ilocal.nl - online op geo-lokatie gebaseerde bedrijvengids

Europeana (2009), http://www.europeana.eu, Europese online zoekmachine voor cultureel erfgoedinformatie

CNet (2005), http://www.cnet.com, gebruikt Solr voor het zoeken van producten en facetgebaseerd browsen (Solr is origineel ontwikkeld door CNet)

Netflix, http://www.netflix.com - gebruikt Solr voor het doorzoeken van hun website

NASA, http://nebula.nasa.gov/services - gebruikt Solr als de enterprise zoekcomponent in hun NEBULA cloud computing platform

Getting started guide - http://lucene.apache.org/solr/tutorial.html

Official Wiki - http://wiki.apache.org/solr

Reference Guide - http://www.lucidimagination.com/devzone/references/solr-guide

Boek - Solr 1.4 Enterprise Search Server, http://www.amazon.com/exec/obidos/tg/detail/-/1847195881, ISBN 1847195881

Solr’s belangrijkste zoekinterface is een webservice API. Zoekresultaten (en samenvattingen) worden geretourneerd in de vorm van XML. Solr biedt daarnaast ook een aanpasbare zoekinterface. Er bestaan ook andere tools die een rijkere interface bieden bovenop Solr (zie: http://www.jteam.nl/news/solrexplorer.html)

Solr retourneert het totaal aantal gevonden resultaten (gepagineerd). Voor elk gevonden resultaat wordt ook de relevantie aangegeven.

Solr biedt standaard vele tekstanalyse-componenten voor stemming (de meeste talen worden ondersteund). De meestgebruikte methode is gebaseerd op het Porter-algoritme.

Solr retourneert de zoekresultaten samen met de uitgevoerde zoekopdracht. Typisch wordt dit geretourneerd in een machine-begrijpbaar formaat (bijvoorbeeld XML, JSON, et cetera). Het is eenvoudig om te bepalen wat er per zoekopdracht aan informatie wordt teruggegeven.

Solr biedt verschillende mechanismen voor het verfijnen van zoekresultaten:

• Uitgebreide ondersteuning voor verschillende en complexe zoekopdrachten (uitgebreider dan wat Apache Lucene biedt;
• Relevantiebepaling op basis van functies op basis van documentattributen;
• Aanpasbaar en uitbreidbaar scoring-algoritme;
• Ondersteuning voor ‘boosts’ van velden en termen (zowel tijdens het indexeren als tijdens het zoeken);
• Relevantiebepaling op basis van relevante termen en de onderlinge afstand daarvan.

Het is mogelijk om te sorteren op relevantie en elk ander veld binnen de geïndexeerde documenten. Daarnaast is het ook mogelijk om te sorteren op meerdere velden (‘nested sorting’). Er wordt gewerkt aan de mogelijkheid om te sorteren op basis van functies over documentattributen.

Solr biedt ondersteuning voor verschillende zoekoperatoren:

• Terms (specifieke waarde per attribuut);
• Boolean (AND, OR, NOT);
• Wildcards;
• Range;
• Fuzzy;
• Proximity;
• Functions (gebruikt om functies toe te passen op attribuutwaarden en gebruikt om de scoring te beïnvloeden).

Solr biedt standaardintegratie met Apache Tika, wat het mogelijk maakt om metadata te extraheren uit verschillende documentformaten.

Alle bestandsformaten die worden ondersteund door Apache Tika (zie: http://lucene.apache.org/tika/0.6/formats.html).

Solr ondersteunt markering ('highlighting').

Solr biedt standaard een Data Import Handler module (DIH) die kan worden gebruikt voor het vergaren van content uit een RDBMS en uit XML-gebaseerde feeds van het web. Om websites of intranets te crawlen en het vergaren van content uit andere systemen zie: Apache Nutch and Lucene Connectors Framework (LCF). Het is ook mogelijk om content van buitenaf naar Solr te sturen (push-mechanisme).

• Engels

Solr’s Data Import Handler (DIH)-module ondersteunt zowel incrementeel als volledig indexeren.

Documenten uit verschillende subsystemen kunnen worden opgeslagen in dezelfde index. Er kan dan vervolgens worden gefilterd op basis van vooraf gedefinieerde attributen tijdens het uitvoeren van een zoekopdracht. Solr ondersteunt ook het gebruik van verschillende indexen per subsysteem en het apart doorzoeken van elke index.

Solr biedt standaard een Data Import Handler module (DIH) die kan worden gebruikt voor het vergaren van content uit een RDBMS en uit XML-gebaseerde feeds van het web. Om websites of intranets te crawlen en het vergaren van content uit andere systemen, zie: Apache Nutch and Lucene Connectors Framework (LCF).

Solr kan worden geïnstalleerd als een stand-alone server. Dit kan zowel in een enkele instantie, als ook als onderdeel van een geclusterde omgeving. In dit laatste geval kunnen sommige instanties dienen als replica’s (voor load-balancing en failover).

Configuratie van Solr gebeurt met een verzameling XML-bestanden.

Het is mogelijk om Solr’s index en zoekproces te configureren en verfijnen op verschillende niveaus:

• Low level via Apache Lucene;
• Configuratie van verschillende componenten die de zoekopdrachten afhandelen, die elk hun eigen configuratie hebben.

Solr biedt standaard ondersteuning voor synoniemen. Verder biedt Solr ook ondersteuning voor spellingscontrole gebaseerd op dictionaries. WordNet is een online dictionary die standaard wordt ondersteund, maar het is ook mogelijk een dictionary te gebruiken die is gebaseerd op de geïndexeerde termen zelf.

Solr ondersteunt het verfijnen van de recall / precision door het gebruik van verschillende query types.

Solr’s web-interface voor administratie biedt hulpmiddelen voor het geven van inzicht in de index en het inzichtelijk maken van het tekstanalyseproces (zowel tijdens het indexeren als tijdens het zoeken).

Solr biedt standaard ondersteuning voor faceted search.

Solr ondersteunt de analyse van het zoekproces door inzichtelijk te maken hoe en waarom documenten worden gevonden voor een gegeven zoekopdracht. Solr biedt ook extra informatie en statistieken over de structuur van de index (zowel via de administratie interface als direct via de webservice).

• Windows XP
• Windows Vista
• Windows 7
• Mac OSX
• Linux
• Unix
• Netware
• anders
• Windows Server 20xx

• Chrome 10.x
• Firefox 3.x
• IE 6
• IE 7
• IE 8 en hoger
• Safari 4.x
• Firefox 2.x
• Safari 5.x

• Java
• anders

• anders

Aangezien de functionaliteit die Solr biedt beschikbaar is via het HTTP-protocol, kan met Solr worden gecommuniceerd vanuit elke taal en omgeving waar het HTTP-protocol beschikbaar is. Er bestaan vele client libraries om specifiek met Solr te communiceren, geschreven in verschillende talen (zoals Java, PHP, Ruby, Python, .NET, C#, Perl, Javascript, et cetera).

De webservice die Solr aanbiedt ondersteunt een aantal formaten voor het uitwisselen van data, zoals: XML, JSON, Ruby en Python.

• Open source, Apache