全文檢索引擎Solr系列——Solr核心概念、配置文件

Document

Document是Solr索引（動詞，indexing）和搜索的最基本單元，它類似於關係數據庫表中的一條記錄，可以包含一個或多個字段（Field），每個字段包含一個name和文本值。字段在被索引的同時可以存儲在索引中，搜索時就能返回該字段的值，通常文檔都應該包含一個能唯一表示該文檔的id字段。例如：

1 2 3 4 5 6 7 8

<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類似於關係數據庫中的表結構，它以schema.xml的文本形式存在在conf目錄下，在添加文當到索引中時需要指定Schema，Schema文件主要包含三部分：字段（Field）、字段類型（FieldType）、唯一鍵（uniqueKey）

• 字段類型（FieldType）：用來定義添加到索引中的xml文件字段（Field）中的類型，如：int，String，date，
• 字段（Field）：添加到索引文件中時的字段名稱
• 唯一鍵（uniqueKey）：uniqueKey是用來標識文檔唯一性的一個字段（Feild），在更新和刪除時用到

例如：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

<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)是構成Document的基本單元。對應於數據庫表中的某一列。字段是包括了名稱，類型以及對字段對應的值如何處理的一種元數據。比如：

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

• Indexed：Indexed=true時，表示字段會加被Sorl處理加入到索引中，只有被索引的字段才能被搜索到。
• Stored：Stored=true，字段值會以保存一份原始內容在在索引中，可以被搜索組件組件返回，考慮到性能問題，對於長文本就不適合存儲在索引中。

Field Type

Solr中每個字段都有一個對應的字段類型，比如：float、long、double、date、text，Solr提供了豐富字段類型，同時，我們還可以自定義適合自己的數據類型，例如：

1 2 3 4 5 6 7 8 9 10

<!-- Ik 分詞器 -->  <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 分詞器 -->

Solrconfig：

如果把Schema定義爲Solr的Model的話，那麼Solrconfig就是Solr的Configuration，它定義Solr如果處理索引、高亮、搜索等很多請求，同時還指定了緩存策略，用的比較多的元素包括：

• 指定索引數據路徑

1 2 3 4 5 6

<!-- 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>

• 緩存參數

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

<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"/>

• 請求處理器
  請求處理器用於接收HTTP請求，處理搜索後，返回響應結果的處理器。比如：query請求：

1 2 3 4 5 6 7 8 9

<!-- 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>

每個請求處理器包括一系列可配置的搜索參數，例如：wt,indent,df等等。