Este documento describe Apache Solr, un motor de búsqueda de código abierto que puede indexar y buscar documentos basándose en características especificadas. Solr permite búsquedas de texto completo, resaltado de términos, búsquedas por facetas y correcciones ortográficas. Se utiliza comúnmente para sistemas con grandes volúmenes de datos donde la búsqueda por múltiples parámetros es importante. Solr es independiente del lenguaje de programación, la aplicación o la plataforma y puede

1. Mejorando la
búsqueda en la
web con Apache
Solr
Iván G. Campaña N.
CTO y Co-Fundador de DOMO Soluciones Web & T.I.
@icampana

2. Búsqueda de información
● ¿Qué pasaría si la web funcionara como una
inmensa biblioteca con millones de libros?
● No importa qué tan bien organizada,
categorizada y estructurada esté la
información
● El volumen hace que sea imposible
encontrar algo específico en poco tiempo.

3. La semántica le gana a la estructura
● La búsqueda de
información resulta más
práctica al enfocarse en
el contenido
● La “metadata” o
descripción es muy
“dura”
● Google le ganó a
Altavista por enfocarse
en el significado.

4. ¿Cuando aplicar un sistema de búsqueda?
● Cualquier sistema de información web que
maneje un alto volumen de documentos.
● Cuando encontrar la información en base a
múltiples parámetros sea una prioridad.
● Donde sea necesario mejorar la experiencia
del usuario en cuanto a navegación y tiempo
de respuesta.

5. ¿Qué es Apache Solr?
● Un motor de búsqueda de código abierto
con capacidad empresarial que puede
indexar y buscar documentos en base a las
características que indiquemos.
● Es independiente del lenguaje de
programación, del tipo de aplicación y la
plataforma.

6. ¿Quiénes usan Solr?

7. Características de
Apache Solr

8. Búsqueda de texto completo
Permite buscar
por palabras
completas,
fragmentos,
frases, campos,
fechas, autor,
clasificación de
cualquier tipo.

9. Resaltado de texto
Permite marcar
los términos de
búsqueda
utilizados en la
consulta

10. Búsqueda por “facetas”
● Permite reducir o
fragmentar el espacio de
búsqueda.
● Mejora la experiencia del
usuario.
● Indexa campos de los
diferentes contenidos
● Fragmenta la información

11. Características de Apache Solr
● Soporta grandes volúmenes de información.
○ Una instalación simple puede manejar Terabytes de
información y responder en menos de 200
milisegundos.
● Se basa en estándares abiertos.
● Se puede tener 1 servidor de búsquedas
para múltiples aplicaciones.

12. Características de Apache Solr...
● Hace correcciones ortográficas sobre la
búsqueda
○ Ej: buscar arvol y recomendar la búsqueda de
contenidos que digan árbol.
● Permite indexación asíncrona
○ La indexación es independiente de la aplicación
principal.
● Soporta diferentes características por cada tipo
de campo indexado.

13. Características de Apache Solr...
● Es independiente de la infraestructura
(puede funcionar con cualquier lenguaje de
programación y base de datos).
● Puede procesar documentos de Word y
PDFs
● Permite búsqueda geoespacial (si los
documentos tienen coordenadas
geográficas)

14. Características de Apache Solr...
● Permite replicar la información y distribuir el
índice de búsqueda entre múltiples
servidores.
● Soporta caché para las búsquedas.
● Reduce/Elimina la carga de la BD y del
servidor web.

15. BD Relacional vs Solr
● La información se almacena en una BD transaccional
(donde la lectura/escritura es costosa).
● Funciona con índices específicos y normalmente no
soporta búsquedas contextuales o de similitudes.
● La indexación y búsqueda consumen recursos que
deberían utilizarse para transaccionalidad.
● La BD relacional necesita muchos más recursos para
responder a la demanda de un sitio con alta carga.

16. Requisitos básicos
- Java version 1.6 o superior (1.8
recomendado)
- Servidor capaz de ejecutar servlets:
- Ej: Glassfish, JBoss, Jetty, Tomcat, WebSphere, etc.
- La última versión disponible de Apache Solr

17. Integración con aplicaciones Web
● Tanto indexación como recuperación se hace a través
de peticiones http con REST
● Es necesario definir las características de la
información que se va a almacenar (Tipos de datos).
● El formateo de los resultados se hace en la aplicación
cliente.
● Si se usa facetas los parámetros de consulta deben ir
incluídos en la solicitud.
● Hay algunos frameworks que ya soportan su uso por
defecto o con plugins (ej: Drupal, Typo3, Wordpress).

18. Ejemplo de arquitectura final
Puede convertirse
en un cluster

19. Enlaces
Página oficial:
http://lucene.apache.org/solr/
Tutorial de uso de Apache Solr:
http://www.solrtutorial.com/