yalelibraryit/dc-solr

Digital Collections SOLR 镜像文档

概述

Digital Collections SOLR 是基于 Apache SOLR 构建的专用搜索引擎镜像，专为数字馆藏管理场景优化。该镜像集成了针对数字资源（如图书、档案、图片、音视频等）的元数据处理、全文检索和内容索引功能，帮助图书馆、档案馆、博物馆等机构快速构建高效、可扩展的数字资源检索系统。

核心功能与特性

1. 数字馆藏优化的检索能力

• 支持全文检索：基于 SOLR 强大的文本分析能力，实现数字资源内容的精准检索
• 元数据索引：兼容 Dublin Core、MODS、VRA Core 等主流数字馆藏元数据标准
• 分面搜索：提供多维度筛选（资源类型、年代、主题等），优化用户检索体验

2. 多格式资源支持

• 兼容常见数字资源格式：支持 PDF、DOC、TXT、图片（含 OCR 文本）、音视频元数据索引
• 内置文本提取工具：集成 Tika 组件，自动解析多种格式文件内容

3. 可扩展性与定制化

• 支持 SOLR 集合（Collection）管理，按需扩展索引规模
• 提供自定义 schema 配置，支持字段定义和分析器调整
• 兼容 SOLR Cloud，支持分布式部署应对大规模资源

4. 高效内容管理

• 增量索引更新：支持资源增删改的增量同步
• 数据持久化：支持索引数据持久化存储，确保服务重启后数据不丢失
• 集成 SOLR Admin UI：提供索引监控、查询性能分析等管理功能

使用场景

• 图书馆数字资源平台：构建电子书、期刊论文检索系统
• 档案馆档案管理：实现历史档案、文献的数字化检索
• 博物馆藏品系统：为文物图片、音视频解说提供检索服务
• 机构知识库：存储和检索内部研究成果、报告等数字资产

使用方法

快速启动

通过以下命令启动容器：

bash
docker run -d \
  --name digital-collections-solr \
  -p 8983:8983 \
  -v ./solr-data:/var/solr/data \
  digital-collections-solr:latest

参数说明：

• -p 8983:8983：映射 SOLR 服务端口（默认 8983）
• -v ./solr-data:/var/solr/data：挂载本地目录用于数据持久化

环境变量配置

示例（自定义配置）：

bash
docker run -d \
  --name digital-collections-solr \
  -p 8983:8983 \
  -v ./solr-data:/var/solr/data \
  -e SOLR_HEAP=4g \
  -e SOLR_COLLECTION=library_resources \
  digital-collections-solr:latest

数据导入

添加文档示例：

bash
curl -X POST -H "Content-Type: application/json" \
  http://localhost:8983/solr/digital_collections/update/json/docs \
  --data '[{"id":"doc1","title":"数字馆藏指南","author":"图书馆","format":"pdf","content":"数字馆藏管理指南内容..."}]'

提交索引：

bash
curl http://localhost:8983/solr/digital_collections/update -d '<commit/>' -H 'Content-type:text/xml; charset=utf-8'

注意事项

• 首次启动自动创建默认集合（可通过 SOLR_COLLECTION 自定义）
• 大规模部署建议使用 SOLR Cloud 模式，配置 Zookeeper 协调
• 定期备份 /var/solr/data 目录防止数据丢失
• 根据资源规模调整 SOLR_HEAP（建议为可用内存的 50%-75%）