Solr_专题：shema 之 types

一、schema.xml

schema.xml 文件包含了域的信息以及这些域在搜索期间是怎样分词和过滤的。不同的域类型包含了不同数据类型。Solr 使用 schema.xml 文件决定了如何创建索引和如何执行实时索引和查询。

二、schema.xml 的文档结构（也是 schema 的组成）

三、<types> 介绍：

<types> 部分允许我们定义一个 <fieldType> 列表，这些 <fieldType> 标签包含着作用于该类型的底层 Solr 类和其他的默认的选项。FieldType 的子类可以作为一个域类型的作用类，可以使用包全名和 Solr 别名（如果在默认的 Solr 包中）来进行引用。对于常见的数值类型（Integer，float等等），这里有多种实现方式，具体操作可以查看 SolrPlugins

1、<fieldType> 内部属性：

1）name：标识

2）class：和其他属性决定了这个 FieldType 的实际行为（都在 org.apache.solr.analysis 包下）

3）sortMissingLast=true|false：没有该指定字段的数据的 Document 排在有该指定字段数据的 Document 的后面

4）sortMissingFirst=true|false：没有该指定字段的数据的 Document 排在有该指定字段数据的 Document 的前面

5）indexed=true|false：该类型的域被索引

6）stored=true|false：该类型的域被存储

7）multiValued=true|false：该类型的字段是多个值的。

8）omitNorms=true|false：字段的长度不影响得分和在索引时不做 boost 处理时，设置它为 true。一般文本域不设置为 true。（当用 solr 或 Lucene 搜索时，如果想对不同类型的文档，或者对不同的域设置不同的权重，又或者对不同的搜索词语设置不同的权重时，就需要 boost 功能）

9）positionIncrementGap=true|false：定义在同一个文档中此类型数据的空白间隔，以避免短语匹配错误

10）autoGeneratePhraseQueries=true|false：true为精确查找，即 AND 关系；false为SHOULD关系，即为 OR 关系。

11）termVectors=true|false：如果字段被用来做近似搜索和高亮显示时，应设置为 true

12）compressed：字段是压缩的。这可能导致索引和搜索变慢，单减少了存储空间，只有 StrField 和 TextField 是可以压缩的，通常适合字段的长度超过 200 个字符。

13）precisionStep：用来数字类型域的范围查找。代表字段值分段保存的时候，截断精度的大小，其值越小，索引越大，查询速度越快。（Trie 树）

2、<analyzer>（分析器）子标签：

一个分析器可以检查域的文本信息，并产生一个 token 流。通常使用中，只有 solr.TextField 类型的字段会专门制定一个分析器。最简单配置一个分析器的方式是使用<analyzer>元素，定制这个元素的 class 属性为一个完整的 Java 类名。这些类必须源自 org.apache.lucene.anlysis.Analyzer。

1）class：规定分析器类实际行为的类

2）type：分析器使用的阶段。type=index 代表建索引阶段；type=query 代表查询阶段，没有指定则都适用

3、<tokenizer>（分词器）子子标签：

将句子拆分成一个个词或词组。

1）class：分词器工厂类（注意这里是 Factory 而不是真正的分词器，它是通过工厂类来创建分词器实例的。所有工厂必须实现 org.apache.solr.analysis.TokenizerFactory，工厂产物也必须派生之 org.apache.lucene.analysis.TokenStream

4、<filter>（过滤器）子子标签：

在分词之后，接受 Token Stream 进一步处理，例如：全部转换为小写、事态处理，去掉语气词等等，最后输出 token Stream。

5、分析器、分词器和过滤器的使用规则：

1）分析器单独使用

<fieldType name="text_greek" class="solr.TextField"><analyzer class="org.apache.lucene.analysis.el.GreekAnalyzer"/></fieldType>

2）分析器、分词器组合

    <fieldType name="text_ws" class="solr.TextField" positionIncrementGap="100"><analyzer><tokenizer class="solr.WhitespaceTokenizerFactory"/></analyzer></fieldType>

3）分析器、分词器、过滤器组合（不指定type）

    <fieldType name="text_en_splitting_tight" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="true"><analyzer><tokenizer class="solr.WhitespaceTokenizerFactory"/><filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="false"/><filter class="solr.StopFilterFactory" ignoreCase="true" words="lang/stopwords_en.txt"/><filter class="solr.WordDelimiterFilterFactory" generateWordParts="0" generateNumberParts="0" catenateWords="1" catenateNumbers="1" catenateAll="0"/><filter class="solr.LowerCaseFilterFactory"/><filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/><filter class="solr.EnglishMinimalStemFilterFactory"/><!-- this filter can remove any duplicate tokens that appear at the same position - sometimespossible with WordDelimiterFilter in conjuncton with stemming. 这个过滤能够去除在相同位置的任何重复的分词。--><filter class="solr.RemoveDuplicatesTokenFilterFactory"/></analyzer></fieldType>

4）分析器、分词器、过滤器组合（指定type）

    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100" multiValued="true"><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在这个例子中，我们仅仅在查询时用来同义词查询<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>

注意：分词器和过滤器是从上到下顺序依次执行的。

Solr_专题：shema 之 types相关推荐

白塞尔公式_如何设计像乌塞尔这样的800人的婚礼
白塞尔公式 As a design enthusiast, I've always dreamed about designing my "Yes I do" scene. Fin ...
Android组件化专题 - 路由框架原理
在路由框架之前,我们先了解什么是APT,并实践ButterKnife绑定findById的小功能.为什么先要讲解apt,因为路由的实现apt是核心的代码.看下面链接 APT 实践. 本文项目地址为什 ...
Android组件化专题-路由动态注入跳转参数以及获取其他模块的fragment
上几篇组件化专题文章,我们对路由框架基本实现了,Activity之间当跳转和模块间当通信. 现在思考一个问题: 不管是在Activity或者Fragment,跳转都会传递一些参数,然后在对应对Acti ...
【Simulink专题】Simulink模型设置（三）：代码生成
前言 Simulink中模型设置是关乎着整个模型的运行模式以及代码生成样式,不同的设置关乎着不同的结果,今天就给大家讲解下作者对整个模型设置的理解,有疑问的地方还需要大家多多指出,谢谢使用版本:MA ...
10、STL实用技术专题
10.STL实用技术专题 10.1STL(标准模板库)理论基础 10.1.1基本概念 #include <iostream> #include <vector> #includ ...
[转] mongoose 之Shema
总之见到我写点啥简直是奇迹,由于现在喜欢上玩转node.js +mongoose,个人爱好,靠近前端的又是英文文档,苦逼得很,悟出来一个写一个吧.之前喜欢误打误撞,网上搜索一点解决一下问题,后来实在 ...
mongoose 之Shema
2019独角兽企业重金招聘Python工程师标准>>> 总之见到我写点啥简直是奇迹,由于现在喜欢上玩转node.js +mongoose,个人爱好,靠近前端的又是英文文档,苦逼得很 ...
5G QoS控制原理专题详解-基础概念（3）
最近比较忙,很多文章公众号上排版完发了,没来得及发布到CSDN上,各位同学可以先关注公众号,以便可以及时收到新的详解文章. 3.1.1.10 5G QoS characteristics 5G QoS ...
CF专题（长安大学）
来暂时总结下这几天的CF专题吧-后续还会更新- A - Ichihime and Triangle: Ichihime is the current priestess of the Mahjong ...

Solr_专题：shema 之 types

Solr_专题：shema 之 types相关推荐

最新文章

热门文章