Solr 配置文件之schema.xml

schema.xml这个配置文件的根本目的是为了通过配置告诉Solr如何建立索引。

 

solr的数据结构如下：

• document：一个文档、一条记录
  • field：域、属性

solr通过搜索某个或某些field，返回若干个符合条件的document，或者按搜索的score排序返回。

如果跟数据库对比，document相当于数据库的表，field相当于表中的字段。而schema.xml就是为了定义一个表的结构（定义各个field的名字、类型、约束、等等）。

 

schema.xml的基本结构如下：

<schema>

    <types>

    <fields>

    <uniqueKey>

    <copyField>

</schema>

 

常用的配置说明：

• field：定义一个document中的各个fields
  • name：必填。该field的名字。前后都有下划线的name是系统保留的名字，比如“_version_”
  • type：必填。类型，对应于fieldType的name
  • default：该field的缺省值
  • indexed：true/false，是否为该field建立索引，以让用户可以搜索它、统计它（facet）
  • stored：true/false，定义这个field是否可以返回给查询者
  • multiValued：true/false，是否可以容纳多个值（比如多个copyField的dest指向它）。如果是true，则该field不能被排序、不能作为uniqueKey
  • required：true/false，告诉solr这个field是否接受空值，缺省为false
  • docValues：true/false，建立document-to-value索引，以提高某些特殊搜索的效率（排序、统计、高亮）
• copyField：把一个field的内容拷贝到另外一个field中。一般用来把几个不同的field copy到同一个field中，以方便只对一个field进行搜索
  • source：被拷贝的field，支持用通配符指定多个field，比如：*_name
  • dest：拷贝到的目的field
  • maxChars：最大字符数
• uniqueKey：指定一个field为唯一索引
• fieldType：定义field的类型，包括下面一些属性
  • name：必填，被field配置使用
  • class：必填，filedType的实现类。solr.TextField是路径缩写，"等价于"org.apache.solr.schema.TextField"
  • multiValued：？
  • positionIncrementGap：指定mutiValued的距离
  • ananlyzer：如果class是solr.TextField，这个配置是必填的。告诉solr如何处理某些单词、如何分词，比如要不要去掉“a”，要不要全部变成小写……
    • type：index或query
    • tokenizer：分词器，比如：StandardTokenizerFactory
    • filter：过滤器，比如：LowerCaseFilterFactory
• dynamicField：用通配符定义一个field来存在没有被field定义的漏网之鱼
  • name：使用通配符，比如“*_i”，来处理类似“cost_i”之类的field

 

一个简单的例子：

1. <?xml version="1.0" encoding="UTF-8" ?>

2.  

3. <schema name="course_video" version="1.5">

4. <field name="id" type="int" indexed="true" stored="true" required="true" multiValued="false" />

5.  

6. <field name="_version_" type="long" indexed="true" stored="true"/>

7.  

8. <field name="title" type="string" indexed="true" stored="true" required="true" multiValued="false" />

9. <field name="tags" type="string" indexed="true" stored="false" required="false" multiValued="false" />

10. <field name="content" type="string" indexed="true" stored="true" required="false" multiValued="false" />

11.  

12. <field name="info_text" type="text_general" indexed="true" stored="false" multiValued="true" />

13.  

14. <copyField source="title" dest="info_text" />

15. <copyField source="content" dest="info_text" />

16. <copyField source="tags" dest="info_text" />

17.  

18. <uniqueKey>id</uniqueKey>

19.  

20. <fieldType name="string" class="solr.StrField" sortMissingLast="true" />

21. <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/>

22.  

23. <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">

24. <analyzer type="index">

25. <tokenizer class="solr.StandardTokenizerFactory"/>

26. <filter class="solr.LowerCaseFilterFactory"/>

27. </analyzer>

28.  

29. <analyzer type="query">

30. <tokenizer class="solr.StandardTokenizerFactory"/>

31. <filter class="solr.LowerCaseFilterFactory"/>

32. </analyzer>

33. </fieldType>

34.  

35. </schema>

 

注：solrconfig.xml配置文件中，requestHandler "/select"的缺省“df”是“text”。如果按照上面的配置，我们想要的缺省搜索info_text，所以需要在solrconfig.xml中修改：

  <requestHandler name="/select" class="solr.SearchHandler">

     <lst name="defaults"> 

       <str name="echoParams">explicit</str>

       <int name="rows">10</int>

       <str name="defType">edismax</str>

       <str name="df">info_text</str>

     </lst>

    </requestHandler>

可以通过http api获取schema信息：

http://<ip>:8983/solr/<collection>/schema?wt=json

http://<ip>:8983/solr/<collection>/schema/fields?wt=json

http://<ip>:8983/solr/<collection>/schema/dynamicfields?wt=json

http://<ip>:8983/solr/<collection>/schema/copyfields?wt=json