Solr学习----FieldType总结

Posted 2022-11-30 莫西里

一、介绍

solr在对一个域进行存储和处理的时候，会根据域数据类型去进行相应的处理，例如Text类型的数据会进行分词处理，然后在进行索引的创建，并且，用户可以通过对域的类型进行制定，从而更好的操作查询得出的数据。Solr允许用户自定义FieldType（域类型），同时Solr也提供了大量基本的域类型。

二、详解

1、域类型的属性

域类型作为一种数据类型，在创建或者定义时可以指定一些默认属性，该种域类型中的数据在进行索引过程中的相关操作，并且域类型的属性可以被域继承，我们可以通过对域类型进行属性定义后，当域使用该中域类型会，域中的数据也会具有域类型定义的属性。提示：用户可以通过域定义覆盖域类型定义的一些属性

（1）name

域类型的名称，作为域类型标识符存在，在定义域（Field）时使用的类型（FieldType）属性就是域类型的名称。

（2）class

域类型的数据类型，该属性指向的是solr中的已定义的类型，或者是用户定义的类型，域类型中的数据会被初始化成class执行类类的对象。

（3）positionIncrementGap

当一个域的多值属性指定为true，则该域中的多值中的每两个值之间的距离为该属性指定的值。

（4）autoGeneratePhraseQueries

该属性只用在Text域类型中。如果设置为true，solr自动将text文本中的相邻赐予生成短语，如果设置为false的话，如果想识别与短语则需要用户自己通过双引号去去指定。

（5）docValueFormat

对该种域类型定义一种用户自定的数据格式。需要填入一个模式识别的编码，该便于通过SchemacodecFactory进行识别。

（6）postingsFormat

对该种域类型定义种类自定义的Postiong数据类型，需要填入一个模式识别的编码，该便于通过SchemacodecFactory进行识别。

下面的属性属于域（Field）的属性，在域类型（FieldType）中定以后，域通过继承实现这些属性的默认值：

（7）indexed

是否被索引，true的话进行索引，false则不进行索引

（8）stored

是否进行存储，true进行存储，false则不进行存储

（9）docValues

是否通过使用DocValues结果进行数据存储。true则进行数据存储，false则使用docValues结构进行数据存储

（10）sortMissingFirst/sortMissingLast

控制当排序域的值不存在时该文档（Document）所在队列的位置。true是则在队头/队尾

（11）multiValued

是否为多值，true则为多值，指定一个文档（Document）中该域含有多个值、如果false，则不含有多个值。

（12）omitNorms

忽略标准属性，如果为true时，则忽略该域中的长度正常化标注和索引时评分标注，可以节省内存。默认情况下所有的非分析字段都是true。提示：只有Text域或者那些需要索引时评分的域需要规范，会设置成false。

（13）omitTermFreqAndPositions

忽略短语的频率与位置，如果为true，则忽略文档中的短语的频率、位置。该属性在除了TextField以外的其他域都为true。

（14）omitPositions

是否忽略短语的位置。类似于上一个属性

（15）termVectors/termPositions/termOffsets/termPayload

该属性指定solr去维护每个文档（Document）中短语的位置、偏移量等信息。这些属性也已增加高亮和其他附件条件查询的性能。但是会提高短语的索引大小。

（16）useDocValuesAsStored

如果docValues属性被打开，该属性设置为true时会存储该域的所有数据，这样该数据内容就可以返回，如果false，则无法返回原来的数据。

2、域类型的Similarity

我们在定制一个域类型时，有时会使用定义<similarity/>标签用来进行将来的评分计算。如果没有指定的话则使用默认的BM25Similarity类。该标签这里不进行研究，只是用来提醒初学者solr拥有一个所搜结果评分机制，来对搜索结果进行排名。

3、域类型的定义

这个是域类型定义的一个案例

<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>

该域类型的定义中，除了上面提到的属性以外，还有一些可能用到的标签（子element）。该定义中，就含有<analyzer/>标签，来指定该域类型所使用的分析器。2中所提到的similarity也通过子标签的方式进行定义。

4、Solr所提供的常用域类型（FieldType）

（1）BinaryField

二进制域类型，该域类型对应二进制数据。

（2）BoolField

布尔类型的域类型，1、t、T，这三个值被认定为true，其他值泉被认定为false。

（3）CollationField

执行Unicode类型的排序和范围长训的排序类型。如果使用ICU4J时，ICUCollationField将是一个不错的选择。

（4）CurrencyField

货币域类型，支持货币与汇率转换。

（5）DateRangeField

日期范围类型，支持索引数据日志，包括时间点实例。

（6）ExtendFileField

从硬盘中拖拽一个文件。

（7）EnumField

允许定义一系列不容易通过字母或数字进行排序的枚举类型的数据。

（8）ICUCollationField

支持用来进行排序和范围查询的Unicode排序域类型。

（9）LatLonType

经纬度域类型，用于存储经纬度数据类型。存储格式为键值对，纬度在第一个。

（10）PointType

点域类型数据，一个N维的点数据类型。例如CAD中点的位置信息

（11）PreAnalyzedField

该域类型的数据，将会被提供其他方式进行analyze，生成序列环单词流、获取存储信息与不通过text域类型处理进行索引。

（12）RandomSortField

该类型不含有值，在该域类型上的排序则将会返回一个随机顺序。

（13）SpatialRecursivePrefixFieldType

该属性主要用于空间查询，接受纬度，精度格式的字符串或者其他wkt格式。

（14）StrField

字符串域类型，该字符串类型的大小最大为32K，为强限制。

（15）TextFiled

文本类型，含有多个单词或者符号

（16）TrieDateField

日趋域类型，具有毫秒级精度的数据掉表示。该类型中的属性precisionStep=0，具有较好的排序性能和最小的索引，precisionStep=8时，具有有效的范围查询。

（17）TrieDoubleField

double域类型，和（16）具有同样的属性且功能相同。

（18）TrieField

如果使用该域类型，则通过type执行该域类型所使用的数据类型，可选项为：integer、龙、float、double、date。相当于其他几种域类型。

（19）TrieFloatField、TrieIntField、TrieLongField

（20）UUIDField

唯一ID域类型。当传入值为NEW时，solr会创建一个新的uuid值并赋值。