摘 要：隨著海量數(shù)據(jù)的快速增長(zhǎng)，信息的搜索被應(yīng)用的越來(lái)越廣泛。建立統(tǒng)一的，能夠快速搜索資源的高效率系統(tǒng)顯得越來(lái)越重要。本文初步探討了基于Servlet技術(shù)的分布式網(wǎng)絡(luò)資源檢索系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了對(duì)內(nèi)網(wǎng)服務(wù)器上的共享資源進(jìn)行高效地分類、快速檢索、預(yù)覽以及下載等功能，保證資源流通共享性，防止“信息孤島的形成”。對(duì)實(shí)現(xiàn)在海量數(shù)據(jù)中快速檢索和資源優(yōu)化具有一定的指導(dǎo)意義。

關(guān)鍵詞：Servlet；Lucene引擎；檢索

中圖分類號(hào)：TP391.3

隨著數(shù)據(jù)的海量增長(zhǎng)，信息的搜索被應(yīng)用的越來(lái)越廣泛。網(wǎng)絡(luò)上存在大量的資源共享服務(wù)器。這些服務(wù)器存儲(chǔ)了一定量的資源，并以web服務(wù)的方式供用戶和其它服務(wù)器訪問(wèn)?，F(xiàn)存的問(wèn)題在于不同服務(wù)器的資源組織方式往往不同，有的是通過(guò)數(shù)據(jù)庫(kù)，有的是通過(guò)描述文件（如XML），而且數(shù)據(jù)庫(kù)的種類和結(jié)構(gòu)也有很大的差別，這就導(dǎo)致不同服務(wù)器之間資源共享和資源發(fā)現(xiàn)都十分困難。

本文正是針對(duì)上述問(wèn)題，采用基于Servlet技術(shù)的分布式的資源檢索策略則可以有效的解決這一問(wèn)題。該策略的思想是當(dāng)用戶登陸任何一臺(tái)服務(wù)器的時(shí)候，這個(gè)服務(wù)器除了要檢索自己本地的資源以外，還可以作為一個(gè)客戶端，自動(dòng)地去連接其它服務(wù)器，發(fā)出檢索請(qǐng)求，并將檢索的結(jié)果進(jìn)行合并和匯總，返回給用戶。這樣，用戶只需要登陸任意一臺(tái)服務(wù)器，就可以檢索到大量所需資源，盡管這些資源來(lái)自于不同的服務(wù)器，但檢索的過(guò)程對(duì)用戶來(lái)說(shuō)是透明的，用戶檢索和獲取這些資源就如同檢索和獲取所請(qǐng)求的服務(wù)器上的資源一樣。

1 Servlet技術(shù)的特點(diǎn)

對(duì)分布式框架我們?yōu)槭裁匆褂肧ervlet，而不是使用是用RMI、P2P，因?yàn)镾ervlet和其他技術(shù)相比有很多的優(yōu)勢(shì)，包括：可移植性、功能強(qiáng)大、高效、耐久、安全、簡(jiǎn)潔、集成化、可擴(kuò)展性、靈活性。用戶登錄的服務(wù)器向內(nèi)網(wǎng)中所有開放遠(yuǎn)程Servlet的服務(wù)器發(fā)送檢索請(qǐng)求，遠(yuǎn)程主機(jī)會(huì)對(duì)自己上面的資源進(jìn)行檢索，并使用一定的格式來(lái)返回?cái)?shù)據(jù)，通過(guò)獲取Servlet的打開流來(lái)獲得檢索結(jié)果。大大減少了配置和系統(tǒng)不必要的開銷。用戶界面采用基于Windows操作系統(tǒng)的B/S的用戶界面的規(guī)范來(lái)設(shè)計(jì)，努力做到界面美觀和易用。使用test.xml為數(shù)據(jù)庫(kù)，通過(guò)解析來(lái)訪問(wèn)?；赟ervlet技術(shù)它具有以下特點(diǎn)：（1）數(shù)據(jù)精確度。該系統(tǒng)為用戶提供多種查詢服務(wù)，包括分詞檢索、快速檢索和全文檢索。并提供了表達(dá)式查詢法，大大增強(qiáng)了查詢的功能，保證查全率和查準(zhǔn)率；（2）時(shí)間特性。該系統(tǒng)采用兩種不同的搜索模塊：Web services和Socket。Web services的優(yōu)點(diǎn)是平臺(tái)無(wú)關(guān)性，別的平臺(tái)可以根據(jù)我們提供的WSDL來(lái)連接查詢。而對(duì)于用java語(yǔ)言開發(fā)的平臺(tái)，可以采用Socket來(lái)連接，提高查詢效率。一般操作響應(yīng)時(shí)間應(yīng)在1秒左右；（3）靈活性。該系統(tǒng)由于采用了兩種不同的搜索模塊，實(shí)現(xiàn)了具有平臺(tái)無(wú)關(guān)性的Web services作為搜索模塊，做到了真正意義上的平臺(tái)無(wú)關(guān)。

2 基于Servlet技術(shù)的分布式資源檢索的解決方案

2.1 系統(tǒng)架構(gòu)

局域網(wǎng)內(nèi)分布式檢索基于Servlet技術(shù)為基礎(chǔ)，采用B/S架構(gòu)，即Browser/Server（瀏覽器/服務(wù)器）模式進(jìn)行構(gòu)建。在局域網(wǎng)環(huán)境下，每臺(tái)主機(jī)上的%Tomcat_Home%＼webapps文件夾下存放一個(gè)test.xml和一個(gè)resources文件夾（存放資源用），該test.xml文件內(nèi)容是本機(jī)resources文件夾下每條資源的描述信息。檢索時(shí)就是通過(guò)檢索這個(gè)test.xml文件來(lái)查找資源的。測(cè)試的主機(jī)會(huì)安裝所需的服務(wù)器和部署我們的檢索系統(tǒng)。

動(dòng)態(tài)添加刪除服務(wù)器的實(shí)現(xiàn)：動(dòng)態(tài)添加服務(wù)器的實(shí)現(xiàn)是在服務(wù)器啟動(dòng)時(shí)自動(dòng)執(zhí)行一個(gè)初始化的Servlet，用來(lái)通知內(nèi)網(wǎng)所有部署了本項(xiàng)目的服務(wù)器，將新開啟的服務(wù)器加入服務(wù)器列表中，實(shí)現(xiàn)動(dòng)態(tài)添加。關(guān)于動(dòng)態(tài)刪除服務(wù)器方面，由于服務(wù)器分為正常關(guān)閉和當(dāng)機(jī)兩種情況，雖然方式不同，但對(duì)于結(jié)果一樣，都是無(wú)法檢索服務(wù)器上得資源，所以我們?cè)跈z索的過(guò)程中一旦發(fā)現(xiàn)服務(wù)器無(wú)法正常連接，就將無(wú)效的服務(wù)器自動(dòng)從服務(wù)器列表中剔除，下次檢索時(shí)就排除掉本臺(tái)主機(jī)。同時(shí)也可以手動(dòng)將某臺(tái)服務(wù)器加入黑名單。

全文檢索、分詞、部分預(yù)覽的實(shí)現(xiàn)：使用Lucene引擎來(lái)實(shí)現(xiàn)全文檢索功能，在啟動(dòng)服務(wù)器的同時(shí)，對(duì)本主機(jī)上所有的資源建立索引，以便更好更快的進(jìn)行全文檢索。對(duì)檢索條件進(jìn)行分詞后再進(jìn)行檢索可以提高檢索資源的相關(guān)度，返回更多用戶需要的信息。預(yù)覽功能預(yù)覽文件的部分相關(guān)內(nèi)容，第一時(shí)間讓用戶確定檢索到的文件中的內(nèi)容，這幾種功能該系統(tǒng)都是通過(guò)Lucene來(lái)實(shí)現(xiàn)，保證了統(tǒng)一高效。

檢索結(jié)果顯示的實(shí)現(xiàn)：對(duì)于資源預(yù)覽的實(shí)現(xiàn)，該系統(tǒng)將后臺(tái)生成的資源路徑，在返回前臺(tái)之前對(duì)資源路徑進(jìn)行預(yù)處理，按照用戶檢索條件的相關(guān)性進(jìn)行排序，最符合檢索條件的最先出現(xiàn)，同時(shí)增加分詞高亮顯示等功能，并對(duì)資源進(jìn)行分類，前臺(tái)通過(guò)JQuery來(lái)實(shí)現(xiàn)顯示方面的效果及功能，來(lái)獲得良好的用戶體驗(yàn)。

2.2 主要功能

（1）快速檢索功能?？焖贆z索是針對(duì)用戶輸入的關(guān)鍵字進(jìn)行精確且快速的檢索，只對(duì)資源標(biāo)題進(jìn)行匹配，不進(jìn)行分詞檢索，所以檢索所需時(shí)間一般比較少。適合用戶對(duì)某些特殊專有名詞檢索；（2）分詞檢索功能。分詞檢索功能是系統(tǒng)最常用的功能，系統(tǒng)會(huì)與用戶輸入的檢索條件中某一部分詞匯進(jìn)行匹配，相比快速檢索，會(huì)返回更多相關(guān)的資源給用戶，但是分詞檢索可能會(huì)帶給用戶一些無(wú)用的數(shù)據(jù)結(jié)果；（3）全文檢索功能。全文檢索是對(duì)文字類文件的全文內(nèi)容進(jìn)行檢索，通常需要的時(shí)間比較長(zhǎng)，但是返回的結(jié)果內(nèi)容也是最符合用戶要求的。有時(shí)候用戶更需要檢索文檔內(nèi)部的關(guān)鍵字，所以選擇全文檢索功能會(huì)為用戶節(jié)省不少寶貴的時(shí)間；（4）后臺(tái)管理功能。本系統(tǒng)的后臺(tái)管理功能可以對(duì)主機(jī)上得資源和test.xml同步進(jìn)行增加、刪除和修改等，同時(shí)可以添加刪除資源服務(wù)器，將某些服務(wù)器加入黑名單。也可以設(shè)置敏感詞匯，過(guò)濾搜索到的資源結(jié)果，讓別的主機(jī)無(wú)法檢索到帶敏感詞匯的資源；（5）資源預(yù)覽功能。利用POI實(shí)現(xiàn)對(duì)主流文檔的讀取，采用Lucene引擎中讀取pdf的方法來(lái)實(shí)現(xiàn)對(duì)pdf的預(yù)覽，同時(shí)可以預(yù)覽圖片、大部分視頻和音頻等文件，通過(guò)JQuery控制圖片和視頻的顯示，給用戶良好的體驗(yàn)。

3 結(jié)束語(yǔ)

建立合理高效的基于Servlet技術(shù)的檢索系統(tǒng)解決方案是加快搜索速度的重要目標(biāo)，本文在Servlet的特點(diǎn)基礎(chǔ)上初步探討了針對(duì)用戶難以檢索到自己需要的資源的解決方案，它保證資源流通共享性，防止“信息孤島的形成”，提高了搜索引擎的運(yùn)行效率。利用該檢索系統(tǒng)解決方案很好地滿足了當(dāng)前在海量數(shù)據(jù)里面搜索有效數(shù)據(jù)的需要，通過(guò)進(jìn)一步提高檢索效率對(duì)用戶使用該檢索系統(tǒng)起到良好的推動(dòng)和促進(jìn)作用。

參考文獻(xiàn)：

[1]閆術(shù)卓，楊強(qiáng).程序天下—Strusts2技術(shù)詳解[M].北京：電子工業(yè)出版社，2008（06）.

[2]賈素玲，王強(qiáng)，姚琪琳.XML技術(shù)應(yīng)用[M].北京：清華大學(xué)出版社，2007.

[3]耿詳義，張躍平.JSP實(shí)用教程[M].北京：清華大學(xué)出版社，2007.

[4]Otis Gospodnetic，Erik Hatcher.Lucene IN ATION[M].北京：電子工業(yè)出版社，2007.

[5]李剛，宋偉，邱哲.Ajax+Lucene[M].北京：人民郵電出版社，2006.

[6]盧菊平，郭江杰.精通JSP+XML+CSS網(wǎng)絡(luò)開發(fā)混合編程[M].北京：電子工業(yè)出版社，2006.

作者簡(jiǎn)介：王莉（1991-），女，湖北荊州人，碩士，研究方向：移動(dòng)云計(jì)算；杜友福（1961-），男，湖北麻城人，教授，研究方向：數(shù)據(jù)庫(kù)技術(shù)、人工智能技術(shù)、網(wǎng)絡(luò)安全技術(shù)等；王同喜（1972-），男，湖北黃岡人，副教授，研究方向：軟件工程、數(shù)據(jù)庫(kù)原理及應(yīng)用、JAVA程序設(shè)計(jì)等。

作者單位：長(zhǎng)江大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院，湖北荊州 434023