Solr入门（二）之Schema API和Facet

Solr入门（二）

重启Solr

solr start -c -p 8983 -s ../example/cloud/node1/solr

solr start -c -p 7574 -s ../example/cloud/node2/solr -z localhost:9983

创建新数据集

即将演示的特性：field guessing。

这种field guessing特性的模式被称为：Schemaless。

什么是schema？

我想到了这三个词：模式，范式，配置

solr 的 schema 用来定义属性和属性类型，帮助solr去索引数据

创建数据集

使用configSet 创建数据集，例子中使用默认的configset创建，这种不建议在生产环境，不过我们这里主要是测试。

-s 2 -rf 2表示把数据集分成两个分片，每个分片有两个副本。

 

准备为Films数据集使用Schemaless特性

Schemaless这个特性，就是你不需要指定一个schema来让solr建立索引，让solr猜你要为哪些关键词数据建索引等信息。

当然这里猜也是基于默认schema，默认分词算法的。

之所以不建议在生产环境直接使用这个特性，就是不能保证猜的每次都是对的。当你的大量数据在线上被使用，然而用户搜索的时候，solr猜关键词猜错了，就会很麻烦，需要重新建立索引。

总之，不要过分相信工具提供的特性，solr提供schema是有原因的，需求总是复杂和无尽的。

数据类型修正

官网举了个例子来说明Schemaless这个事：

比如如果为电影名建索引时，遇到的第一个电影的名字叫.45,那么solr可能认为电影名(names)字段的类型是float，很明显这是错的。需要修正为string。

使用Schema API：

curl -X POST -H 'Content-type:application/json' --data-binary '{"add-field": {"name":"name", "type":"text_general", "multiValued":false, "stored":true}}' http://localhost:8983/solr/films/schema

使用AdminUI

设置schema索引所有字段

Schema API：

curl -X POST -H 'Content-type:application/json' --data-binary '{"add-copy-field" : {"source":"*","dest":"_text_"}}' http://localhost:8983/solr/films/schema

AdminUI：

上述做的事情是：将所有字段属性复制到_text_中。

这个拷贝如果是全量，在生产环境数据量大的时候会很慢。

建立Film的数据索引

 

去AdminUI，搜索可以看到1100条结果：

 

Faceting

facet这个单词谷歌翻译了下，翻译作"面"。有方面或者切面的意思。具体什么意思呢？查一下就清楚了：

如上的查询条件后，可以看到返回的是一个聚合后的结果，统计每种类型的电影的数量。

使用mincount参数可以限制查询数量大于200的值

http://localhost:8983/solr/films/select?=&q=*:*&facet.field=genre_str&facet.mincount=200&facet=on&rows=0

关于Faceting使用的更多信息在这里可以查询到。

Range Facets

范围查询，比如查询时间范围

Pivot Facets

按电影类别分类，再统计类别基础上各导演的电影数。

http://localhost:8983/solr/films/select?q=*:*&rows=0&facet=on&facet.pivot=genre_str,directed_by_str

看一下结果就更明白了

总结：

1、介绍了Schema API的使用

2、使用facet进行不同维度查询

查范围、分类、各个分类下的总数

 

收尾

清理数据集