solr之字段数据类型

2019独角兽企业重金招聘Python工程师标准>>>

solr提供了内建的一些数据类型比如numbers, dates, geo location等类型；详情如下

每种数据类型都有一个Java类来管理。
这里主要讲讲以下几种类型
1. String fields
2. Date fields
3. Numeric fields

1. String fields

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

• 1
• 2

• 1
• 2

它用在文本数据上，Solr provides the string field type for fields that contain structured values that shouldn’t be altered in any way.

2. Date fields

<fieldType name="tdate" class="solr.TrieDateField" omitNorms="true"
precisionStep="6" positionIncrementGap="0"/>

• 1
• 2

• 1
• 2

当你要用到日期的范围查询时，最好用这样的数据类型，而且在提交文档时日期的格式有特别要求，日期里有T,Z字符，比如有个timestamp字段设置为tdate类型了，那么提交时应该

<add>
<doc>
...
<field name="timestamp">2012-05-22T09:30:22Z</field>
...
</doc>
</add>

• 1
• 2
• 3
• 4
• 5
• 6
• 7

• 1
• 2
• 3
• 4
• 5
• 6
• 7

实际上这种日期格式是按ISO-8601 Date/Time格式来组织的，也就是yyyy-MMddTHH:
mm:ssZ。那么对于2016-05-22T09:30:22Z则有
yyyy = 2016
MM = 05
dd = 22
HH = 09 (24-hr clock)
mm = 30
ss = 22
Z = UTC Timezone (Z is for Zulu，起始时区)

如何设置时间的索引粒度呢？有时候我们并不需要查询精确到分秒级别，我们只需要查询到小时的范围即可，于是在提交文档的时候设置如下

<field name="timestamp">2016-05-22T09:30:22Z/HOUR</field>

• 1

• 1

/HOUR就告诉solr建索引的粒度为小时，那么索引里的这个时间就等价于2016-05-22T09:00:00Z
此外，它还支持一些特殊的keyword，比如NOW,DAY,可以用timestamp:[NOW/DAY TO NOW/DAY+1DAY}来进行范围查询

3. Numeric fields

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

• 1

• 1

<field name="favorites_count" type="int" indexed="true" stored="true" />

• 1

• 1

这种类型的字段一般不好用来进行检索，但是它可以用来排序，如果你对string的字段排序它是按字典的顺序来排的，并不是按数字的大小来排的。

4. 一些高级用法

上面的介绍中可以看到positionIncrementGap这样配置属性，这些属性是一些高级用法，类似还有

属性	当设置为true时
sortMissingFirst	当排序时，检索结果里会列那些这个字段没有值的记录放在最前面
sortMissingLast	当排序时，检索结果里会列那些这个字段没有值的记录放在最后面
precisionStep	用在number类型的字段，表示精度
positionIncrementGap	用在字符短语，区分短语之间的间隔距离

precisionStep 和positionIncrementGap主要是为了提高范围查询的速度，原理比较复杂，stackoverflow上有个回答：
The precisionStep is a count, after how many bits of the indexed value a new term starts. The original value is always indexed in full precision. Precision step of 4 for a 32 bit value(integer) means terms with these bit counts: All 32, left 28, left 24, left 20, left 16, left 12, left 8, left 4 bits of the value (total 8 terms/value). A precision step of 26 would index 2 terms: all 32 bits and one single term with the remaining 6 bits from the left.

转载于:https://my.oschina.net/u/2929819/blog/813763