Solr 配置文件之schema.xml

Posted 2020-09-30 gccbuaa

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

solr的数据结构例如以下：

• 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。

假设跟数据库对照，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的基本结构例如以下：

<schema>

    <types>

    <fields>

    <uniqueKey>

    <copyField>

</schema>

经常使用的配置说明：

• 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，比方“_version_”
  • type：必填。

    类型。相应于fieldType的name

  • default：该field的缺省值
  • indexed：true/false。是否为该field建立索引，以让用户能够搜索它、统计它（facet）
  • stored：true/false，定义这个field能否够返回给查询者
  • multiValued：true/false。能否够容纳多个值（比方多个copyField的dest指向它）。假设是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的内容复制到另外一个field中。一般用来把几个不同的field copy到同一个field中，以方便仅仅对一个field进行搜索
  • source：被拷贝的field，支持用通配符指定多个field，比方：*_name
  • dest：复制到的目的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，包含以下一些属性
  • 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：假设class是solr.TextField，这个配置是必填的。

    告诉solr怎样处理某些单词、怎样分词，比方要不要去掉“a”。要不要所有变成小写……

    • type：index或query
    • tokenizer：分词器，比方：StandardTokenizerFactory
    • filter：过滤器。比方：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。比方“*_i”，来处理类似“cost_i”之类的field

一个简单的样例：

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

<schema name="course_video" version="1.5">
        <field name="id" type="int" indexed="true" stored="true" required="true" multiValued="false" />

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

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

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

        <copyField source="title" dest="info_text" />
        <copyField source="content" dest="info_text" />
        <copyField source="tags" dest="info_text" />

        <uniqueKey>id</uniqueKey>

        <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
        <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/> 

    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
      <analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>

      <analyzer type="query">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
    </fieldType>

</schema>

注：solrconfig.xml配置文件里，requestHandler "/select"的缺省“df”是“text”。假设依照上面的配置。我们想要的缺省搜索info_text，所以须要在solrconfig.xml中改动：

  <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>

能够通过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

（原创文章，转载请注明转自Clement-Xu的博客）