全文检索引擎Solr系列——Solr核心概念、配置文件

安哥网络

DocumentDocument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：

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

复制代码

SchemaSolr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：

1. <schema name="example" version="1.5">
   
2.     <field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />
   
3.     <field name="title" type="text_general" indexed="true" stored="true" multiValued="true"/>
   
4. 
   
5.     <uniqueKey>id</uniqueKey>
   
6.     <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
   
7.     <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
   
8.           <analyzer type="index">
   
9.             <tokenizer class="solr.StandardTokenizerFactory"/>
   
10.             <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
    
11.             <!-- in this example, we will only use synonyms at query time
    
12.             <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
    
13.             -->
    
14.             <filter class="solr.LowerCaseFilterFactory"/>
    
15.           </analyzer>
    
16.           <analyzer type="query">
    
17.             <tokenizer class="solr.StandardTokenizerFactory"/>
    
18.             <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
    
19.             <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
    
20.             <filter class="solr.LowerCaseFilterFactory"/>
    
21.           </analyzer>
    
22.     </fieldType>
    
23. </schema>

复制代码

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：

1. <field name="name" type="text_general" indexed="true" stored="true"/>

复制代码

• 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 TypeSolr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：

1. <!-- Ik 分词器 -->
   
2. <fieldType name="text_cn_stopword" class="solr.TextField">
   
3.      <analyzer type="index">
   
4.          <tokenizer class="org.wltea.analyzer.lucene.IKAnalyzerSolrFactory" useSmart="false"/>
   
5.      </analyzer>
   
6.      <analyzer type="query">
   
7.          <tokenizer class="org.wltea.analyzer.lucene.IKAnalyzerSolrFactory" useSmart="true"/>
   
8.      </analyzer>
   
9. </fieldType>
   
10. <!-- Ik 分词器 -->

复制代码

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
  1. <!--
     
  2. Used to specify an alternate directory to hold all index data
     
  3. other than the default ./data under the Solr home.
     
  4. If replication is in use, this should match the replication configuration.
     
  5. -->
     
  6. <dataDir>${solr.data.dir:./solr/data}</dataDir>

  复制代码
  缓存参数
  1. <filterCache
     
  2.   class="solr.FastLRUCache"
     
  3.   size="512"
     
  4.   initialSize="512"
     
  5.   autowarmCount="0"/>
     
  6. 
     
  7. <!-- queryResultCache caches results of searches - ordered lists of
     
  8.      document ids (DocList) based on a query, a sort, and the range
     
  9.      of documents requested.  -->
     
  10. <queryResultCache
      
  11.   class="solr.LRUCache"
      
  12.   size="512"
      
  13.   initialSize="512"
      
  14.   autowarmCount="0"/>
      
  15. 
      
  16. <!-- documentCache caches Lucene Document objects (the stored fields for each document).
      
  17.    Since Lucene internal document ids are transient, this cache will not be autowarmed.  -->
      
  18. <documentCache
      
  19.   class="solr.LRUCache"
      
  20.   size="512"
      
  21.   initialSize="512"
      
  22.   autowarmCount="0"/>

  复制代码
  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：
  1. <!-- A request handler that returns indented JSON by default -->
     
  2. <requestHandler name="/query" class="solr.SearchHandler">
     
  3.      <lst name="defaults">
     
  4.        <str name="echoParams">explicit</str>
     
  5.        <str name="wt">json</str>
     
  6.        <str name="indent">true</str>
     
  7.        <str name="df">text</str>
     
  8.      </lst>
     
  9. </requestHandler>

  复制代码
  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。  摘自：http://www.importnew.com/12770.html