【搜索引擎】Solr Suggester 實現全文檢索功能-分詞和類似Google搜索自動提示

功能需求

全文檢索搜索引擎都會有這樣一個功能：輸入一個字符便自動提示出可選的短語：

要實現這種功能，可以利用solr的SuggestComponent，SuggestComponent這種方法利用Lucene的Suggester實現，並支持Lucene中可用的所有查找實現。

實現

1. 配置 managed-schema文件

配置自己core文件夾conf下的managed-schema文件

這個是自己的字段：

   <field name="name" type="string"  indexed="true" stored="true"/>
   <field name="username" type="string"  indexed="true" stored="true"/>
   <field name="password" type="string"  indexed="true" stored="true"/>
   <field name="phone" type="string"  indexed="true" stored="true"/>

新建一個suggest_username字段，並將username的值拷貝到suggest_username字段：

<field name="suggest_username" type="text_suggest"  indexed="true" stored="true"/>
<copyField source="username" dest="suggest_username"/>

copyField的source表示源，dest表示目標。

新建一個fieldType專門用於搜索建議：

   <fieldType name="text_suggest" class="solr.TextField" positionIncrementGap="100">
      <analyzer>
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.EnglishPossessiveFilterFactory"/>
      </analyzer>
    </fieldType>

• tokenizer就是分詞器，官方解釋：

The job of a tokenizer is to break up a stream of text into tokens, where each token is (usually) a sub-sequence of the characters in the text。

就是指將文本流分解為標記tokens，這寫tokens也是文本的子序列。

• 分詞器tokenizer有很多種，詳細信息見官網：
  https://lucene.apache.org/solr/guide/8_1/tokenizers.html
• filter就是過濾器，官方解釋：

The job of a filter is usually easier than that of a tokenizer since in most cases a filter looks at each token in the stream sequentially and decides whether to pass it along, replace it or discard it.

不同的過濾器將輸入流替換或者丟棄或者直接通過。

• 過濾器也有很多種，官網詳細信息：
  https://lucene.apache.org/solr/guide/8_1/filter-descriptions.html

2. 配置solrconfig.xml文件

solrconfig.xml文件也在新建核心core的conf文件夾下

加入searchComponent

<searchComponent name="suggest" class="solr.SuggestComponent">
    <lst name="suggester">
      <str name="name">AnalyzingSuggester</str>
      <str name="lookupImpl">AnalyzingLookupFactory</str>      
      <str name="dictionaryImpl">DocumentDictionaryFactory</str>
      <str name="field">suggest_username</str>
      <str name="weightField">suggest_username</str>
	  <str name="payloadField">id</str>
      <str name="suggestAnalyzerFieldType">text_suggest</str>
      <str name="buildOnStartup">false</str>
    </lst>
  </searchComponent>

在searchComponent中的suggester需要配置一些參數。

• name ；suggest名字
• lookupImpl；查找不同算法實現，根據需要選擇。
• dictionaryImpl；dictionaryImpl。
• field；建議的字段，如果是對多個字段做建議，就把多個字段拷貝到一個字段里面。即在定義filed的時候，定義為允許多值。
• weightField；表示權重。
• payloadField ；用於返回某一個值。
• suggestAnalyzerFieldType；field字段的類型。
• buildOnStartup；啟動的時候構建建議索引。

加入一個requestHandler用於建議：solr.SearchHandler

  <requestHandler name="/suggest" class="solr.SearchHandler" 
                  startup="lazy" >
    <lst name="defaults">
      <str name="suggest">true</str>
      <str name="suggest.count">10</str>
    </lst>
    <arr name="components">
      <!-- 上面配置的searchComponent名字suggest -->
      <str>suggest</str>
    </arr>
  </requestHandler>

這里 suggest 就是上面配置的searchComponent名字suggest。

測試

通過瀏覽器地址欄輸入連接測試:
http://127.0.0.1:8983/solr/user/suggest?suggest=true&suggest.build=true&suggest.dictionary=AnalyzingSuggester&suggest.q=a

部分參數說明

• suggest.build=true ；表示構建suggest的索引，全部構建會耗時。可優化。
• suggest.dictionary=AnalyzingSuggester ；指明使用上面加入的suggester字典組件名字
• suggest.q=a ；suggest查詢內容。

請求具體參數地址：

https://lucene.apache.org/solr/guide/8_1/suggester.html#suggest-request-handler-parameters

返回結果

  "responseHeader": {
    "status": 0,
    "QTime": 10
  },
  "command": "build",
  "suggest": {
    "AnalyzingSuggester": {
      "aoa": {
        "numFound": 3,
        "suggestions": [
          {
            "term": "aoa lee",
            "weight": 0,
            "payload": "7859b42e-3428-40c0-9036-6d50767a5ff2"
          },
          {
            "term": "aoa lee key",
            "weight": 0,
            "payload": "0bead5d5-2570-44ba-830b-030f8a888ea3"
          },
          {
            "term": "aoa lee key lol bob",
            "weight": 0,
            "payload": "9cc3c4d7-7d34-422b-8164-a4c4c92caa08"
          }
        ]
      }
    }
  }
}

返回的結果中主要有三個參數：

• term ；表示命中的結果記錄
• weight ；表示權重
• payload ；表示負載，也可用於返回某一個值，這里我們在searchComponent配置的 id 表示負載返回我們的id，可以通過id做其他業務需求。