全文检索引擎Solr系列——Solr核心概念、配置文件

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：

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 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：

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

• 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：

1 2 3 4 5 6 7 8 9 10

<!-- 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

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>

• 缓存参数

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" />

• 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 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。

转自http://www.importnew.com/12770.html