全文检索引擎Solr系列——Solr核心概念、配置文件-白红宇

全文检索引擎Solr系列——Solr核心概念、配置文件

阅读量：6122 次

发布时间：2019-06-21

本文共 4237 字，大约阅读时间需要 14 分钟。

Document

Document是Solr索引（动词，indexing）和搜索的最基本单元，它类似于关系数据库表中的一条记录，可以包含一个或多个字段（Field），每个字段包含一个name和文本值。字段在被索引的同时可以存储在索引中，搜索时就能返回该字段的值，通常文档都应该包含一个能唯一表示该文档的id字段。例如：

                         
<doc>
    
<field name=
"id"
>company123</field>
    
<field name=
"companycity"
>Atlanta</field>
    
<field name=
"companystate"
>Georgia</field>
    
<field name=
"companyname"
>Code Monkeys R Us, LLC</field>
    
<field name=
"companydescription"
>we write lots of code</field>
    
<field name=
"lastmodified"
>
2013
-
06
-01T15:
26
:37Z</field>
</doc>
        
      

Schema

Solr中的Schema类似于关系数据库中的表结构，它以schema.xml的文本形式存在在conf目录下，在添加文当到索引中时需要指定Schema，Schema文件主要包含三部分：字段（Field）、字段类型（FieldType）、唯一键（uniqueKey）

字段类型（FieldType）：用来定义添加到索引中的xml文件字段（Field）中的类型，如：int，String，date，

字段（Field）：添加到索引文件中时的字段名称

唯一键（uniqueKey）：uniqueKey是用来标识文档唯一性的一个字段（Feild），在更新和删除时用到

例如：

                         
<schema name=
"example"
version=
"1.5"
>
    
<field name=
"id"
type=
"string"
indexed=
"true"
stored=
"true"
required=
"true"
multiValued=
"false"
/>
    
<field name=
"title"
type=
"text_general"
indexed=
"true"
stored=
"true"
multiValued=
"true"
/>
    
<uniqueKey>id</uniqueKey>
    
<fieldType name=
"string"
class
=
"solr.StrField"
sortMissingLast=
"true"
/>
    
<fieldType name=
"text_general"
class
=
"solr.TextField"
positionIncrementGap=
"100"
>
          
<analyzer type=
"index"
>
            
<tokenizer 
class
=
"solr.StandardTokenizerFactory"
/>
            
<filter 
class
=
"solr.StopFilterFactory"
ignoreCase=
"true"
words=
"stopwords.txt"
/>
            
<!-- in 
this
example, we will only use synonyms at query time
            
<filter 
class
=
"solr.SynonymFilterFactory"
synonyms=
"index_synonyms.txt"
ignoreCase=
"true"
expand=
"false"
/>
            
-->
            
<filter 
class
=
"solr.LowerCaseFilterFactory"
/>
          
</analyzer>
          
<analyzer type=
"query"
>
            
<tokenizer 
class
=
"solr.StandardTokenizerFactory"
/>
            
<filter 
class
=
"solr.StopFilterFactory"
ignoreCase=
"true"
words=
"stopwords.txt"
/>
            
<filter 
class
=
"solr.SynonymFilterFactory"
synonyms=
"synonyms.txt"
ignoreCase=
"true"
expand=
"true"
/>
            
<filter 
class
=
"solr.LowerCaseFilterFactory"
/>
          
</analyzer>
    
</fieldType>
</schema>
        
      

Field

在Solr中，字段(Field)是构成Document的基本单元。对应于数据库表中的某一列。字段是包括了名称，类型以及对字段对应的值如何处理的一种元数据。比如：

Indexed：Indexed=true时，表示字段会加被Sorl处理加入到索引中，只有被索引的字段才能被搜索到。

Stored：Stored=true，字段值会以保存一份原始内容在在索引中，可以被搜索组件组件返回，考虑到性能问题，对于长文本就不适合存储在索引中。

Field Type

Solr中每个字段都有一个对应的字段类型，比如：float、long、double、date、text，Solr提供了丰富字段类型，同时，我们还可以自定义适合自己的数据类型，例如：

                         
<!-- Ik 分词器 --> 
 
<fieldType name=
"text_cn_stopword"
class
=
"solr.TextField"
>
     
<analyzer type=
"index"
> 
         
<tokenizer 
class
=
"org.wltea.analyzer.lucene.IKAnalyzerSolrFactory"
useSmart=
"false"
/>
     
</analyzer>
     
<analyzer type=
"query"
> 
         
<tokenizer 
class
=
"org.wltea.analyzer.lucene.IKAnalyzerSolrFactory"
useSmart=
"true"
/>
     
</analyzer>
 
</fieldType>
 
<!-- Ik 分词器 -->
        
      

Solrconfig：

如果把Schema定义为Solr的Model的话，那么Solrconfig就是Solr的Configuration，它定义Solr如果处理索引、高亮、搜索等很多请求，同时还指定了缓存策略，用的比较多的元素包括：

指定索引数据路径

                         
<!-- 
Used to specify an alternate directory to hold all index data
other than the 
default
./data under the Solr home.
If replication is in use, 
this
should match the replication configuration. 
-->
<dataDir>${solr.data.dir:./solr/data}</dataDir>
        
      

缓存参数

                         
<filterCache
  
class
=
"solr.FastLRUCache"
  
size=
"512"
  
initialSize=
"512"
  
autowarmCount=
"0"
/>
<!-- queryResultCache caches results of searches - ordered lists of
     
document ids (DocList) based on a query, a sort, and the range
     
of documents requested.  -->
 
<queryResultCache
  
class
=
"solr.LRUCache"
  
size=
"512"
  
initialSize=
"512"
  
autowarmCount=
"0"
/>
 
<!-- documentCache caches Lucene Document objects (the stored fields 
for
each document).
   
Since Lucene internal document ids are 
transient
, 
this
cache will not be autowarmed.  -->
 
<documentCache
  
class
=
"solr.LRUCache"
  
size=
"512"
  
initialSize=
"512"
  
autowarmCount=
"0"
/>
        
      

请求处理器
请求处理器用于接收HTTP请求，处理搜索后，返回响应结果的处理器。比如：query请求：

                         
<!-- A request handler that returns indented JSON by 
default
-->
<requestHandler name=
"/query"
class
=
"solr.SearchHandler"
>
     
<lst name=
"defaults"
>
       
<str name=
"echoParams"
>explicit</str>
       
<str name=
"wt"
>json</str>
       
<str name=
"indent"
>
true
</str>
       
<str name=
"df"
>text</str>
     
</lst>
</requestHandler>
        
      

每个请求处理器包括一系列可配置的搜索参数，例如：wt,indent,df等等。

转载地址：http://bxgka.baihongyu.com/

你可能感兴趣的文章