Solr 配置文件之schema.xml

schema.xml這個配置文件的根本目的是為了通過配置告訴Solr怎樣建立索引。

solr的數據結構例如以下：

• document：一個文檔、一條記錄
  • field：域、屬性

solr通過搜索某個或某些field，返回若干個符合條件的document，或者按搜索的score排序返回。

假設跟數據庫對照，document相當於數據庫的表。field相當於表中的字段。而schema.xml就是為了定義一個表的結構（定義各個field的名字、類型、約束、等等）。

schema.xml的基本結構例如以下：

<schema>

    <types>

    <fields>

    <uniqueKey>

    <copyField>

</schema>

經常使用的配置說明：

• field：定義一個document中的各個fields
  • name：必填。

    該field的名字。前后都有下划線的name是系統保留的名字，比方“_version_”

  • type：必填。類型。相應於fieldType的name
  • default：該field的缺省值
  • indexed：true/false。是否為該field建立索引。以讓用戶能夠搜索它、統計它（facet）
  • stored：true/false。定義這個field能否夠返回給查詢者
  • multiValued：true/false。能否夠容納多個值（比方多個copyField的dest指向它）。假設是true。則該field不能被排序、不能作為uniqueKey
  • required：true/false，告訴solr這個field是否接受空值。缺省為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、統計、高亮）
• copyField：把一個field的內容復制到另外一個field中。一般用來把幾個不同的field copy到同一個field中，以方便僅僅對一個field進行搜索
  • source：被拷貝的field。支持用通配符指定多個field，比方：*_name
  • dest：復制到的目的field
  • maxChars：最大字符數
• uniqueKey：指定一個field為唯一索引
• fieldType：定義field的類型，包含以下一些屬性
  • name：必填。被field配置使用
  • class：必填，filedType的實現類。solr.TextField是路徑縮寫，"等價於"org.apache.solr.schema.TextField"
  • multiValued：？
  • positionIncrementGap：指定mutiValued的距離
  • ananlyzer：假設class是solr.TextField。這個配置是必填的。

    告訴solr怎樣處理某些單詞、怎樣分詞，比方要不要去掉“a”。要不要所有變成小寫……

    • type：index或query
    • tokenizer：分詞器，比方：StandardTokenizerFactory
    • filter：過濾器，比方：LowerCaseFilterFactory
• dynamicField：用通配符定義一個field來存在沒有被field定義的漏網之魚
  • name：使用通配符。比方“*_i”，來處理類似“cost_i”之類的field

一個簡單的樣例：

<?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”。

假設依照上面的配置。我們想要的缺省搜索info_text，所以須要在solrconfig.xml中改動：

  <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>

能夠通過http api獲取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

（原創文章，轉載請注明轉自Clement-Xu的博客）