Apache Solr es un servidor de búsqueda full-text basado en Apache Lucene, que permite implementar sistemas de búsqueda, repositorios digitales y recomendaciones. El documento ofrece una guía sobre la instalación, configuración y mantenimiento de Apache Solr, incluyendo detalles sobre componentes, estructuras de directores y formatos de indexación. También se aborda la personalización del análisis de consultas y los métodos de indexación de datos.

1. Apache Solr

2. ¿Quiénes Somos? Expertos en sistemas de búsqueda, repositorios digitales y recomendación . Referencia Relevante : 24Symbols, BBVA o Biblioteca Nacional.

3. www.openandsearch.com

4. Índice Conceptos y descripción de Apache Solr Preparando el terreno ¿Cómo lo instalamos? Configurando Apache Solr Con las manos en la masa Modificando el índice Consultando el índice Análisis personalizado Clustering Operaciones y Mantenimiento

5. ¿Qué es Apache Solr? Es un servidor de búsqueda full-text basado en Apache Solr Utiliza protocolos estándar de comunicación como HTTP y HTTPS Es altamente escalable Es totalmente modular gracias a su sistema de plugins Ofrece una interfaz (simple) de administración web Está construido utilizando la tecnología de Apache Lucene

6. Componentes Principales RequestHandlers : Procesan la consulta solicitada SearchComponents : Añaden datos (de la consulta) a la respuesta ResponseWriters : Transforman a formato de respuesta concreto. SolrCore : conjunto de configuración y documentos UpdateHandler : Lógica de actualización de documentos Cache : Estrategia de caching.

8. Instalando Apache Solr: Requisitos Java 1.5 o posterior (http://www.java.com/es/download) Servidor de Aplicaciones con soporte para Servlets 2.4 Tomcat 5.5.X+

9. Instalando Apache Solr: Despliegue Despliegue del fichero WAR en contenedor Configuración del SOLR_HOME JNDI Variable de entorno Estructura del directorio SOLR_HOME solrconfig.xml schema.xml solr.xml ( opcional )

10. Configurando Apache Solr: Ficheros solr.xml : configuración de los SolrCores activos schema.xml : Configuración de campos y procesado solrconfig.xml : Configuración de componentes Varios : Ficheros de sinónimos, stopwords, etc.

11. Configurando Apache Solr: solr . xml < solr persistent =&quot;true&quot; sharedLib =&quot;lib&quot;> < cores adminPath =&quot;/admin/cores&quot;> < core name =&quot;pdg&quot; instanceDir =&quot;/etc/solr/cores/pdg&quot; /> <core name=&quot;geoeuskadi&quot; instanceDir=&quot;/etc/solr/geoeuskadi&quot; /> <core name=&quot;24symbols&quot; instanceDir=&quot;/etc/solr/24symbols&quot; /> <core name=&quot;cmt&quot; instanceDir=&quot;/etc/cores/cmt&quot; /> <core name=&quot;disofic&quot; instanceDir=&quot;/etc/solr/disofic&quot; /> <core name=&quot;cdl&quot; instanceDir=&quot;/etc/solr/cdl&quot; /> <core name=&quot;24sac&quot; instanceDir=&quot;/etc/solr/24symbolsac&quot; /> </cores> </solr>

12. Configurando Apache Solr: schema.xml < schema name=&quot;opensearch&quot; version=&quot;1.1&quot;> < types > <fieldType name=&quot;string&quot; class=&quot;solr.StrField&quot; sortMissingLast =&quot;true&quot; omitNorms =&quot;true&quot;/> < fieldType name=&quot;text&quot; class=&quot;solr.TextField&quot; positionIncrementGap =&quot;100&quot;> < analyzer type=&quot; index &quot;> < tokenizer class=&quot;solr.HTMLStripStandardTokenizerFactory&quot;/> < filter class=&quot;solr.LowerCaseFilterFactory&quot;/> <filter class=&quot;solr.ISOLatin1AccentFilterFactory&quot;/> <filter class=&quot;solr.StopFilterFactory&quot; ignoreCase=&quot;true&quot; words=&quot;stopwords.txt&quot;/> </analyzer> <analyzer type=&quot; query &quot;> < tokenizer class=&quot;solr.StandardTokenizerFactory&quot;/> < filter class=&quot;solr.LowerCaseFilterFactory&quot;/> <filter class=&quot;solr.ISOLatin1AccentFilterFactory&quot;/> <filter class=&quot;solr.SynonymFilterFactory&quot; ignoreCase=&quot;true&quot; synonyms=&quot;synonyms.txt&quot;/> <filter class=&quot;solr.StopFilterFactory&quot; ignoreCase=&quot;true&quot; words=&quot;stopwords.txt&quot;/> </analyzer> </fieldType> </types> < fields > < field name=&quot;id&quot; type =&quot;string&quot; stored =&quot;true&quot; indexed =&quot;true&quot;/> <field name=&quot;docName&quot; type=&quot;text&quot; stored=&quot;true&quot; indexed=&quot;true&quot;/> < dynamicField name=&quot; fecha* &quot; type=&quot;date&quot; indexed=&quot;true&quot; stored=&quot;true&quot;/> <field name=&quot;buscable&quot; type=&quot;text&quot; stored=&quot;false&quot; indexed=&quot;true&quot; multiValued =&quot;true&quot; positionIncrementGap =&quot;50&quot;/> </fields> < copyField source=&quot;docName&quot; dest=&quot;buscable&quot;/> < uniqueKey >id</uniqueKey> < defaultSearchField >buscable</defaultSearchField> < solrQueryParser defaultOperator=&quot;AND&quot;/> </schema>

13. Configurando Apache Solr: schema.xml field  Type: Definen el campo y el comportamiento a la hora de indexarlo <fieldType name=&quot;string&quot; class=&quot;solr.StrField&quot; sortMissingLast =&quot;true&quot; omitNorms =&quot;true&quot;/> field: Instancia de un tipo de campo bajo una clave propia < field name=&quot;id&quot; type =&quot;string&quot; stored =&quot;true&quot; indexed =&quot;true&quot;/> dynamicField: Conjunto de campos bajo el mismo tipo y el mismo patrón < dynamicField name=&quot; fecha* &quot; type=&quot;date&quot; indexed=&quot;true&quot; stored=&quot;true&quot;/> copyField  : Copia, antes del procesado, el valor de un campo a otro < copyField source=&quot;docName&quot; dest=&quot;buscable&quot;/> uniqueKey: Campo que se utilizará como identificador principal < uniqueKey >id</uniqueKey> defaultSearchField: Campo de búsqueda por defecto < defaultSearchField >buscable</defaultSearchField> solrQueryParser: Indica cómo se agruparán las clausulas de la consulta < solrQueryParser defaultOperator=&quot;AND&quot;/>

14. Configurando Apache Solr: schema.xml Analyzers: Se componen de un tokenizer y un conjunto de filtros < analyzer type=&quot; index &quot;> < analyzer type=&quot; query &quot;> Tokenizer: Dividen el texto en un conjunto de tokens < tokenizer class=&quot; solr.StandardTokenizerFactory &quot;/> Filter: Procesan cada uno de los tokens por separado < filter class=&quot; solr.ISOLatin1AccentFilterFactory &quot;/> < filter class=&quot; solr.SynonymFilterFactory &quot; ignoreCase=&quot;true&quot; synonyms=&quot;synonyms.txt&quot;/> < filter class=&quot; solr.StopFilterFactory &quot; ignoreCase=&quot;true&quot; words=&quot;stopwords.txt&quot;/>

15. Configurando Apache Solr: solrconfig.xml Propiedades del índice < dataDir >/var/solr/data</dataDir> < indexDefaults > <!-- Values here affect all index writers and act as a default unless overridden. -> < useCompoundFile >false</useCompoundFile> < mergeFactor >10</mergeFactor> <!-- If both ramBufferSizeMB and maxBufferedDocs is set, then Lucene will flush based on whichever limit is hit first. --> <!-- <maxBufferedDocs>1000</maxBufferedDocs> --> <!-- Sets the amount of RAM that may be used by Lucene indexing for buffering added documents and deletions before they are flushed to the Directory. --> < ramBufferSizeMB >32</ramBufferSizeMB> <!-- <maxMergeDocs>2147483647</maxMergeDocs> --> < maxFieldLength >10000</maxFieldLength> < writeLockTimeout >1000</writeLockTimeout> < commitLockTimeout >10000</commitLockTimeout> < lockType >native</lockType> </indexDefaults> < mainIndex > < useCompoundFile >false</useCompoundFile> < ramBufferSizeMB >32</ramBufferSizeMB> < mergeFactor >10</mergeFactor> </mainIndex>

16. Configurando Apache Solr: solrconfig.xml Configuración de consulta < query > < maxBooleanClauses >1024</maxBooleanClauses> < filterCache class=&quot;solr.FastLRUCache&quot; size=&quot;512&quot; initialSize=&quot;512&quot; autowarmCount=&quot;0&quot; /> < queryResultCache class=&quot;solr.LRUCache&quot; size=&quot;512&quot; initialSize=&quot;512&quot; autowarmCount=&quot;0&quot; /> < documentCache class=&quot;solr.LRUCache&quot; size=&quot;512&quot; initialSize=&quot;512&quot; autowarmCount=&quot;0&quot; /> < enableLazyFieldLoading >true</enableLazyFieldLoading> <cache name=&quot;myUserCache&quot; class=&quot;solr.LRUCache&quot; size=&quot;4096&quot; initialSize=&quot;1024&quot; autowarmCount=&quot;1024&quot; regenerator=&quot;org.mycompany.mypackage.MyRegenerator&quot; /> < queryResultWindowSize >20</queryResultWindowSize> < queryResultMaxDocsCached >200</queryResultMaxDocsCached> < listener event=&quot; newSearcher &quot; class=&quot;solr.QuerySenderListener&quot;> <arr name=&quot;queries&quot;> <!-- <lst> <str name=&quot;q&quot;>solr</str> <str name=&quot;rows&quot;>10</str> </lst> --> </arr> </listener> < useColdSearcher >false</useColdSearcher> < maxWarmingSearchers >2</maxWarmingSearchers> </query>

17. Configurando Apache Solr: solrconfig.xml Configuración de los RequestHandlers < requestHandler name=&quot; /spell &quot; class=&quot;solr.SearchHandler&quot; lazy=&quot;true&quot;> < lst name=&quot;defaults&quot;> <!-- omp = Only More Popular --> < str name =&quot;spellcheck.onlyMorePopular&quot;> false </str> <!-- exr = Extended Results --> <str name=&quot;spellcheck.extendedResults&quot;>false</str> <!-- The number of suggestions to return --> <str name=&quot;spellcheck.count&quot;>1</str> </lst> < arr name=&quot; last-components &quot;> <str> spellcheck </str> </arr> </requestHandler> < searchComponent name=&quot; spellcheck &quot; class=&quot;solr.SpellCheckComponent&quot;> <str name=&quot;queryAnalyzerFieldType&quot;>textSpell</str> <lst name=&quot;spellchecker&quot;> <str name=&quot;name&quot;>default</str> <str name=&quot;field&quot;>name</str> <str name=&quot;spellcheckIndexDir&quot;>./spellchecker</str> </lst> </searchComponent>

18. Modificando el índice: indexación Formatos admitidos XML : Formato de intercambio por defecto Binario : Serialización Java ( SolrJ ) - commons-codec Ficheros binarios : indexación de ficheros DOC , PDF ,etc utilizando Solr Cell ( Apache Tika ) Limitaciones Visibilidad : no son visibles hasta que suceda el commit (automático o manual) Encoding : solo se soporta indexación en UTF-8 Actualización : No existe tal operación. Se añade un documento bajo mismo id.

19. Modificando el índice: indexación Formato de XML de indexación <?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?> < add > < doc > < field name =&quot;identificador&quot;>http://url.cualquiera.com/webclient/</field> <field name=&quot; pid &quot;> 1865905 </field> <field name=&quot;thumbnail&quot;>http://url.cualquiera.com/webclient/Delivery</field> <field name=&quot;autor&quot;>Castro, Adolfo de 1823-1898 </field> <field name=&quot;autor_facet&quot;>Castro, Adolfo de</field> <field name=&quot;autor_abreviada&quot;>Castro, Adolfo de-1823-1898-</field> <field name=&quot;autor_completa&quot;>Castro, Adolfo de-1823-1898-#</field> <field name=&quot;titulo&quot;>Cádiz en la Guerra de la Independencia : cuadro histórico</field> <field name=&quot;editor&quot;>Cádiz Revista Médica </field> <field name=&quot;materia&quot;>Cádiz Historia S.XIX </field> … </doc> ... </add>

20. Modificando el índice: borrado Tipos de borrado ID: Permite borrar una colección de documentos indicando sus identificadores Query: Permite especificar una consulta de Lucene. Todos aquellos que satisfagan la consulta serán borrados. Limitaciones Visibilidad : no son visibles hasta que suceda el commit (automático o manual) Encoding: solo se soporta indexación en UTF-8 <?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?> < delete > < id >5c9e2d7e-7114-31cf-8582-56f11cefbcce</id> <id> d0b58756-8a8b-3de2-8327-55023cbdf16f </id> <id>4d9cb11a-2e2a-34e5-821d-5c7f77a41f8f</id> <id>fe722eac-d4cb-30f3-b2b5-b9e72630f523</id> ... </delete> <?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?> < delete > < query > category: &quot;Facturas&quot; </query> </delete> Mediante consulta Mediante IDs

21. Modificando el índice: operaciones commit: Las indexaciones y borrados son ejecutados de forma definitiva rollback: Elimina las indexaciones y borrados pendientes de ejecución optimize: Reorganiza el índice y construye un solo segmento Consideraciones y limitaciones  Las transacciones no están asociadas a sesiones A mayor número de documentos en sesión, mayor consumo de memoria Bloqueo largo en commits Degradación paulatina del índice

22. Modificando el índice: práctica Indexación/borrado: Envío de XML a Solr curl http://127.0.0.1:8983/solr/update -H &quot;Content-Type: text/xml&quot; -d @data.xml Commit sin nuevos documentos curl http://127.0.0.1:8983/solr/update?commit=true Commit no bloqueante: curl http://127.0.0.1:8983/solr/update?commit=true&waitSearcher=false Commit con nuevos documentos curl http://127.0.0.1:8983/solr/update?commit=true -H &quot;Content-Type: text/xml&quot; -d @data.xml Optimize curl http://127.0.0.1:8983/solr/update?optimize=true

23. Consultando el índice: básicos El protocolo de comunicación es HTTP Los formatos de respuesta son variados XML JSON binario (commons-codec / java serialization) do-it-yourself Aplica teoría de conjuntos mediante el uso de filterQueries Parámetros básicos q : texto de la consulta q.op : operador por defecto de la consulta start : offset del conjunto de resultados rows : número de elementos a recuperar a partir del start sort : campo por el que se realiza la ordenacion fl : campos, separados por coma, que se devolverán fq : consulta de filtro (ocurrencia múltiple)

24. Consultando el índice: básicos curl http://host:8983/opensearch/select/?q=Pilar%20rojo&fl=title,contenttype&start=0&rows=10&wt=xml < response > <lst name=&quot; responseHeader &quot;> <int name=&quot; status &quot;>0</int> <int name=&quot; QTime &quot;>293</int> <lst name=&quot; params &quot;> <str name=&quot;wt&quot;>xml</str> <str name=&quot; rows &quot;>10</str> <str name=&quot; start &quot;>0</str> <str name=&quot; q &quot;> Pilar rojo </str> </lst> </lst> < result name=&quot;response&quot; numFound =&quot;2894&quot; start =&quot;0&quot;> <doc>...</doc> <doc>...</doc> <doc>...</doc> < doc > <str name=&quot; contenttype &quot;>text/html; charset=utf-8</str> <str name=&quot; title &quot;> Pilar Rojo participa nos actos do Xacobeo 2010</str> </doc> <doc>...</doc> <doc>...</doc> </result> </response>

25. Consultando el índice: avanzada Selección del RequestHandler qt : http://host:8983/opensearch/select?q=Pilar%20rojo&start=0&rows=10& qt=dismax Path : http://host:8983/opensearch /dismax ?q=Pilar%20rojo&start=0&rows=10 Utilización de sintáxis de consulta avanzada phrase slopping : “jakarta apache”~10 fuzzy queries : sony~0.9 wildcarding : c?sa OR casa* range queries : [&quot;&quot; to *] term boosting : apache^3 Utilización de SearchComponents Faceting : Búsqueda paramétrica (folding de Amazon, eBay, etc) Highlight : Resaltado de los términos que concuerdan de la búsqueda Spellcheck : Sugerencias de búsqueda con corrección ortográfica MoreLikeThis : Documentos relacionados a partir de uno que actúa de patrón.

26. Consultando el índice: faceting

27. Consultando el índice: faceting Faceting por valor facet : boolean que activa el componente facet.field : identifica el campo por el cual se realizará el faceting (ocurrencia múltiple) facet.prefix : filtra las facetas que comienzan por este valor facet.sort : &quot;count&quot; para ordenar por valor e &quot;index&quot; para hacerlo alfabeticamente facet.limit : el numero limite de facets que se devuelven facet.offset : offset del conjunto de resultados facet.mincount : especifica la cantidad minima referida para que se incluya en un facet facet.missing : controla si solr debe calcular un recuento de todos los resultados coincidentes que no tienen ningún valor para el campo facet.method : selecciona el algoritmo para realizar el facet (enum o fc) Faceting arbitrario facet.query : Especifica una consulta para la que se calcularán los resultados que la matchean Faceting por Fecha facet.date : nombre del campo sobre el que se realizará el facet tratándolo como fecha (múltiple) facet.date.start : Margen inferior del rango. facet.date.end : Margen superior del rango. facet.date.gap: Expresión que marca el intervalo de fechas que se usará en el faceting facet.date.hardend : En caso de que el último paso del intervalo sea mayor que facet.date.end se utilizará dicha fecha como último salto facet.date.other: Intervalos que se deben operar a mayores del especificado con before, after, between, none y all. facet.date.include: Marca los límites del intervalo con lower , upper, edge, outer, all .

28. Consultando el índice: faceting <lst name=&quot; facet_counts &quot;> <lst name=&quot; facet_queries &quot;> <int name=&quot;l ocale:&quot;es_ES&quot; &quot;>16684</int> <int name=&quot; locale_americano &quot;>844</int> </lst> <lst name=&quot; facet_fields &quot;> <lst name=&quot; locale &quot;> <int name=&quot;es_ES&quot;>16684</int> <int name=&quot;en_US&quot;>844</int> <int name=&quot;ca_ES&quot;>110</int> <int name=&quot;eu_ES&quot;>110</int> <int name=&quot;gl_ES&quot;>110</int> </lst> </lst> <lst name=&quot; facet_dates &quot;> <lst name=&quot; fecha_resolucion &quot;> <int name=&quot;2007-08-31T16:17:37.304Z&quot;>4</int> <int name=&quot;2008-08-31T16:17:37.304Z&quot;>41</int> <int name=&quot;2009-08-31T16:17:37.304Z&quot;>49</int> <str name=&quot;gap&quot;>+1YEARS</str> <date name=&quot;end&quot;>2010-08-31T16:17:37.304Z</date> </lst> </lst> </lst>

29. Consultando el índice: faceting Faceting simple /select?q=Cervantes& facet=true & facet.field=category Facet múltiple /select?q=Cervantes&facet=true& facet.field=category & facet.field=collections Facet con límite y filtrado /select?q=vargas+llosa&facet=true&facet.field=category& facet.limit=10 & facet.prefix=Novela Facet con mincount y sort /select?q=vargas+llosa&facet=true&facet.field=category& facet.mincount=10 & facet.sort=index Facet por fechas &facet=true& facet.date.start =-30DAY& facet.date.start = + 30DAY& facet.date.gap =+1DAY Configuración por campo &facet=true&facet.field=category&facet.field=locale& f.category.facet.mincount =200 Exclusión de filtros /select?q=vargas&fq= {!tag=dt} category:&quot;Novela Histórica&quot;&facet=true&facet.field=category Etiquetado /select?q=vargas&facet=true&facet.field= {!ex=dt key=Categoría} category

30. Consultando el índice: highlighting Parámetros hl : true para activar el componente hl.fl : Campos, separados por comas, donde se efectuará el highlighting hl.simple.pre : Valor que se situará antes del término matcheado hl.simple.post : Valor que se situará después del término matcheado hl.snippets : Número de snippets devueltos hl.fragsize : Número de caracteres que serán devueltos Ejemplos Selección de campos con expresión /select?q=exp& hl=true & hl.fl = descripcion_* Código de highlighting personalizado /select?q=exp&hl=true& hl.simple.pre =<span>& hl.simple.post =</span> Highlighting de más de 100 caracteres /select?q=exp&hl=true& hl.fragsize =1500

31. Consultando el índice: highlighting <lst name=&quot; highlighting &quot;> <lst name=&quot; lp_es_ES2567024 &quot;> <arr name=&quot; titulo &quot;> <str>La CMT abre <span class=&quot;highlight&quot;>expediente</span> sancionador a Proyecto Atarfe</str> </arr> </lst> <lst name=&quot; lp_es_ES2574813 &quot;> <arr name=&quot; asunto &quot;> <str>ACUERDO PARA LA INSCRIPCIÓN DE AUTORIZACIÓN GENERAL EN EL <span class=&quot;highlight&quot;>EXPEDIENTE</span> AUT-001/98 DE</str> </arr> <arr name=&quot; expediente &quot;> <str> <span class=&quot;highlight&quot;>Expediente</span> AUT</str> </arr> </lst> <lst name=&quot; lp_es_ES2627601 &quot;> <arr name=&quot; asunto &quot;> <str>RESOLUCION DEL ARCHIVO DEL <span class=&quot;highlight&quot;> EXPEDIENTE</span> DE LA ENTIDAD GOYA SERVICIOS</str> </arr> </lst> ... </lst>

32. Consultando el índice: spellchecking Configuración < searchComponent name=&quot;standardSpellcheck&quot; class=&quot; solr.SpellCheckComponent &quot;> <str name=&quot; queryAnalyzerFieldType &quot;>spellFieldType</str> <lst name=&quot; spellchecker &quot;> <str name=&quot; name &quot;>default</str> <str name=&quot; field &quot;>SPELL_FIELD</str> <str name=&quot; buildOnCommit &quot;>true</str> <str name=&quot; buildOnOptimize &quot;>true</str> <str name=&quot; spellcheckIndexDir &quot;>./spellchecker</str> </lst> </searchComponent> Parámetros spellcheck: Activa en componente spellcheck.count: Número de sugerencias devueltas spellcheck.dictionary: Selecciona el diccionario a utilizar spellcheck.onlyMorePopular: Devuelve los elementos con más frecuencia spellcheck.extendedResults: Añade información adicional a la respuesta spellcheck.collate:  Devuelve la frase con todos los términos corregidos

33. Consultando el índice: spellchecking <lst name=&quot; spellcheck &quot;> <lst name=&quot; suggestions &quot;> <lst name=&quot; ipoteca &quot;> <int name=&quot;numFound&quot;>1</int> <int name=&quot;startOffset&quot;>0</int> <int name=&quot;endOffset&quot;>7</int> <arr name=&quot; suggestion &quot;> <str> hipoteca </str> </arr> </lst> <lst name=&quot; vasura &quot;> <int name=&quot;numFound&quot;>1</int> <int name=&quot;startOffset&quot;>8</int> <int name=&quot;endOffset&quot;>14</int> <arr name=&quot; suggestion &quot;> <str> basura </str> </arr> </lst> <str name=&quot; collation &quot;> hipoteca basura </str> </lst> </lst> /select?q= ipoteca%20vasura & spellcheck=true & spellcheck.collate=true & spellcheck.count=1

34. Análisis personalizado: CharFilterFactories ¿Qué són? ¿Para qué valen? Tipos solr. PatternReplaceCharFilterFactor solr. HTMLStripCharFilterFactory Configuración <analyzer> < charFilter class=&quot;solr. HTMLStripCharFilterFactory &quot;/> <tokenizer class=&quot;solr.StandardTokenizerFactory&quot;/> </analyzer>

35. Análisis personalizado: tokenizers ¿Qué són? ¿Para qué valen? Tipos solr. WhitespaceTokenizerFactory : Genera tokens a partir de espacios en blanco solr. KeywordTokenizerFactory : Genera un único token solr. StandardTokenizerFactory : Genera tokens a partir de espacios en blanco y de los signos de puntuación solr. LowerCaseTokenizerFactory : Convierte todo a minúsculas y elimina cualquier caracter no letra Configuración <analyzer> <charFilter class=&quot;solr.HTMLStripCharFilterFactory&quot;/> < tokenizer class=&quot;solr. StandardTokenizerFactory &quot;/> </analyzer>

36. Análisis personalizado: analyzer ¿Qué són? ¿Para qué valen? Tipos solr. SnowballPorterFilterFactory : Genera lexemas a partir del algoritmo Snowball solr. StopFilterFactory : Elimina los tokens a partir de una lista solr. SynonymFilterFactory : Genera varios tokens para una misma posición solr. LowerCaseFilterFactory : Convierte todos los tokens a minúsculas solr. ISOLatin1AccentFilterFactory : Genera el token equivalente sin los caracteres especiales del encoding latin1 solr. EdgeNGramFilterFactory : Genera gramas a partir del comienzo de cada token solr. RemoveDuplicatesTokenFilterFactory : Elimina tokens duplicados solr. LengthFilterFactory : Elimina los tokens que se excedan o se queden sean más cortos que los parámetros indicados

37. Análisis personalizado: analyzer <fieldtype name=&quot;teststop&quot; class=&quot;solr.TextField&quot;> <analyzer> <tokenizer class=&quot;solr.LowerCaseTokenizerFactory&quot;/> < filter class=&quot;solr. StopFilterFactory &quot; words =&quot; stopwords.txt &quot; ignoreCase =&quot;true&quot;/> </analyzer> </fieldtype> <fieldtype name=&quot;testedgengrams&quot; class=&quot;solr.TextField&quot;> <analyzer> <tokenizer class=&quot;solr.LowerCaseTokenizerFactory&quot;/> < filter class=&quot;solr. EdgeNGramFilterFactory &quot; minGramSize =&quot;2&quot; maxGramSize =&quot;15&quot; side =&quot;front&quot;/> </analyzer> </fieldtype> <fieldtype name=&quot;testkeep&quot; class=&quot;solr.TextField&quot;> <analyzer> < filter class=&quot;solr. KeepWordFilterFactory &quot; words=&quot; keepwords.txt &quot; ignoreCase =&quot;true&quot;/> </analyzer> </fieldtype> <fieldtype name=&quot;syn&quot; class=&quot;solr.TextField&quot;> <analyzer> <tokenizer class=&quot;solr.WhitespaceTokenizerFactory&quot;/> < filter class=&quot;solr. SynonymFilterFactory &quot; synonyms =&quot; syn.txt &quot; ignoreCase =&quot;true&quot; expand =&quot;false&quot;/> </analyzer> </fieldtype>

38. Análisis personalizado: testing

39. Clustering: replicación ¿Qué es la alta disponibilidad? Master / esclavo Repetidores Limitaciones Capacidad de indexación Tiempo de replicación Consideraciones Replicación pasiva Replicación vía HTTP Replicación de ficheros

40. Alta Disponibilidad: replicación

41. Clustering: replicación Master <requestHandler name=&quot;/ replication &quot; class=&quot; solr.ReplicationHandler &quot; > <lst name=&quot; master &quot;> <str name=&quot; replicateAfter &quot;> commit </str> <str name=&quot;replicateAfter&quot;> startup </str> <str name=&quot;replicateAfter&quot;> optimize </str> <str name=&quot; confFiles &quot;> solrconfig_slave.xml:solrconfig.xml ,schema.xml</str> </lst> </requestHandler> Esclavo <requestHandler name=&quot;/replication&quot; class=&quot;solr.ReplicationHandler&quot; > <lst name=&quot; slave &quot;> <!– Configurar aquí la URL del servidor maestro --> <str name=&quot; masterUrl &quot;> http://localhost:8080/solr/replication </str> <str name=&quot; pollInterval &quot;> 00:00:10 </str> </lst> </requestHandler>

42. Clustering: sharding ¿Qué es el sharding? Búsqueda distribuida Indexación distrbuida Limitaciones Hotspotting Capacidad de crecimiento IDF distribuido Consideraciones SolrCloud Replication factor Autodetección de nodos Cluster block

43. Mantenimiento OpenSearch: operaciones Backup Limitaciones No debe hacerse durante otras operaciones Copia íntegra del directorio ${dataDir} Restauración Limitaciones Evitar índices bloqueados Obligatorio parar el servicio Copiar el backup al directorio ${dataDir} Optimize Limitaciones Bloquea el directorio Espacio de disco libre equivalente al del índice http:/local/opensearch/update?stream.body=%3Coptimize/%3E