ITPub博客

首页 > 数据库 > NoSQL > Solr schema编写指导

Solr schema编写指导

NoSQL 作者:chenfeng 时间:2019-06-03 11:09:15 0 删除 编辑

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。


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/15498/viewspace-2646562/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
交流MySQL,MongoDB和Redis技术。 微信或QQ:410294

注册时间:2015-12-07

  • 博文量
    743
  • 访问量
    1684203