Solr schema怎么编写

这篇文章主要介绍“Solr schema怎么编写”，在日常操作中，相信很多人在Solr schema怎么编写问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Solr schema怎么编写”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

1.uniquekey 作用：当add doc的时候，配置了uniqueKey，后面的doc中uniqueKey相同的会覆盖之前的doc，

如果没有配置，那么将不会覆盖。update的时候，依据uniqueryKey信息的话，

所以有update还是建议配上uniqueKey，一来比较完整配置信息，二来数据排查也方便。

对应id这个域，必须 stored=true、indexed=true，类型建议使用long或者int，而不是string

如果有特殊场景需要按id排序的，就的使用TriedLongField，否则排序时候会按文本序排序。

2. defaultSearchField,故名思议就是默认查询的时候，查什么域。这句的用法体现在：

queryStr= content:abc 123,  等价 queryStr= content:abc title:123

queryStr= 123 等价 queryStr= title:123

也就是说等查询的时候，没有指定查那个域，默认就对应defaultSearchField了。

既然是defaultSearchField，那么这个域indexed=true 是必须的

注意区分 content:abc 123 与content:”abc 123” 以及 content:(abc 123)

3. 所有int sint tint long slong tlong float sfloat tfloat double sdouble tdouble

都不支持分词，也无需分词。没有sshort tshort，只有short。因为这些基本类型就一个值，无需什么分词。

对与int long fload Field，不应该出现positionincrmentGap=100

对与tint tlong tdoube 才有 pricisionStep、positionIncrementGap、sortMissingLast=”true”属性。

4. 配置分词

所有TextField才有机会分词

所有TextField才有机会执行facet

所有TextField 配置的omitTermFreqAndPositions=”true” 才会起效果，排序中频率位置信息没了

5. omitNorms=”true” 这个参数影响域的得分，去掉之后，使得长短域相同词得分一致。按照香浓原理，

某个词出现在更长的文本中，或者出现次数越多，信息值更低。对应如果omitNorms=false，那么

下面 淘宝 出现doc1 淘宝杭州 出现doc2 淘宝杭州网络有限公司，命中淘宝的时候，doc1 得分高于doc2

注意：只有有一个域的omitNorms=”false”,等价所有域都保留了omitNorms 这个位置，尽管omitNorms内容是空，

所有，omitNorms在所有域都omitNorms=“true”的时候，才对索引有帮助。

6. required=”true”

这个属性是说，一旦scham中该域启用required=“true”,那么建索引的时候，这个域时不能为空的，这个doc认为不完

整。当前走dump中心，会对null的赋值为””,也就不会出现没有值的情况。但是schema中还是应该突出下，如果逻辑上

有需要确保某些字段必须有

7. multiValued=”true”

这个配置不是说某个域中term是单一or 多个的意义。即使mulitValued=false，一个text域同时可以是很长的

一段文本，也就是很多term的情况。multiValued=”true”真正含义是：在传入doc建索引的时候，当一个域

是mulitValued=”true”，那么可以向该域继续add内容。等价在一个doc中，相同域名的key:value 可以有

多个。通常情况下，使用map，key也就唯一了，不会出现多个相同key，不同value的情况。

另外，配置了mulitValued=”true”，在命中返回文档的时候，返回的是list，而不是单个对象。

在终搜目前的建索引集中下，这个multiValued 配与不配已经没有任何作用影响dump过程，只是在命中返回的时候

返回的是list or 单个对象。

深入提示，multiValued=”true” 在建索引的时候，实际上开辟了一个新的域，允许域名相同的域多次出现。

查询的时候会查询所有域名相同的域，这样导致检索性能会有一定影响，特别是域名膨胀之后，影响非常明显。

8.特殊分词

对应提出# ； ： 等分词，其实建议统一转化为空格分词，这是系统原生的分词，并且是基于编译器层的分词，性能更好。

没有必要为了一个#，重新定制一份代码，部署起来。

9. 排序、区间、一般查询

排序的应该是数字类型，建议使用trie类型，老的sortable 也是支持的

区间的也应该是数字类型的，建议使用tried类型

一般查询的多个数字组合的话，建议将数字字符化，然后空格分开，目前不支持数字类型的数组

10. date tdate等类型

在配置data tdate等类型的时候，需要注意时间格式。

另外，不推荐直接保存，而是保存差值后的int类型等。

由于data精度控制不同，将使得所用data域的term成线性增长，这是相当恐怕的事情。

这个长尾将消耗非常大的内存、空间资源。

在索引中term线性的增长是相当恐怖的事情。对长尾的处理目前还没有特殊优化。

通用在索引中term聚集性的增长也是相当恐怖的事情，对长链处理目前也没有特殊优化。

11.高级活

自我校验schema质量。

当schema配置完毕了，可以采取terminatorquickstart 测试一下，然后luke工具查看下索引结构。

这样可能会发现一些问题。可能很多地方的结构可以尝试优化。

到此，关于“Solr schema怎么编写”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！