Solr配置文件schema.xml的內(nèi)容是什么

這篇文章主要介紹了Solr配置文件schema.xml的內(nèi)容是什么，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

一、字段配置（schema）
    schema.xml位于solr/collection1/conf/目錄下，類似于數(shù)據(jù)表配置文件，
    定義了加入索引的數(shù)據(jù)的數(shù)據(jù)類型，主要包括type、fields和其他的一些缺省設(shè)置。

    1、先來看下type節(jié)點(diǎn)，這里面定義FieldType子節(jié)點(diǎn)，包括name,class,positionIncrementGap等一些參數(shù)。
        name：就是這個FieldType的名稱。
        class：指向org.apache.solr.analysis包里面對應(yīng)的class名稱，用來定義這個類型的行為。
        <schema name="example" version="1.2"> 
            <types> 
                <fieldType name="string" class="solr.StrField" sortMissingLast="true" omitNorms="true" /> 
                <fieldType name="boolean" class="solr.BoolField" sortMissingLast="true" omitNorms="true" /> 
                <fieldtype name="binary" class="solr.BinaryField" /> 
                <fieldType name="int" class="solr.TrieIntField" precisionStep="0" omitNorms="true" positionIncrementGap="0" /> 
                <fieldType name="float" class="solr.TrieFloatField" precisionStep="0" omitNorms="true" positionIncrementGap="0" /> 
                <fieldType name="long" class="solr.TrieLongField" precisionStep="0" omitNorms="true" positionIncrementGap="0" /> 
                <fieldType name="double" class="solr.TrieDoubleField" precisionStep="0" omitNorms="true" positionIncrementGap="0" /> 
                ...  
           </ types > 
           ...  
        </ schema >  

        必要的時候fieldType還需要自己定義這個類型的數(shù)據(jù)在建立索引和進(jìn)行查詢的時候要使用的分析器analyzer，包括分詞和過濾，如下：
        <fieldType name="text_ws" class="solr.TextField" positionIncrementGap="100"> 
            <analyzer> 
                <tokenizer class="solr.WhitespaceTokenizerFactory" /> 
            </analyzer > 
        </fieldType > 
        <fieldType name="text" class="solr.TextField" positionIncrementGap="100" > 
            <analyzer type="index" > 
                <!--
                這個分詞包是空格分詞，在向索引庫添加text類型的索引時，Solr會首先用空格進(jìn)行分詞
                然后把分詞結(jié)果依次使用指定的過濾器進(jìn)行過濾，最后剩下的結(jié)果，才會加入到索引庫中以備查詢。  
                注意:Solr的analysis包并沒有帶支持中文的包，需要自己添加中文分詞器，google下。  
                --> 
                <tokenizer class="solr.WhitespaceTokenizerFactory" /> 
                <!-- in this example, we will only use synonyms at query time  
                <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false" /> 
                --> 
                <!-- Case insensitive stop word removal.  
                  add enablePositionIncrements=true  in both the index and query  
                  analyzers to leave a 'gap' for more accurate phrase queries.  
                --> 
                <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" /> 
                <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1" /> 
                <filter class="solr.LowerCaseFilterFactory" /> 
                <filter class="solr.SnowballPorterFilterFactory" language="English" protected="protwords.txt" /> 
            </analyzer > 
            <analyzer type="query" > 
                <tokenizer class="solr.WhitespaceTokenizerFactory" /> 
                <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true" /> 
                <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" /> 
                <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1" /> 
                <filter class="solr.LowerCaseFilterFactory" /> 
                <filter class="solr.SnowballPorterFilterFactory" language="English" protected="protwords.txt" /> 
            </analyzer > 
        </fieldType >  


    2、再來看下fields節(jié)點(diǎn)內(nèi)定義具體的字段（類似數(shù)據(jù)庫的字段），含有以下屬性：
        name：字段名
        type：之前定義過的各種FieldType
        indexed：是否被索引
        stored：是否被存儲（如果不需要存儲相應(yīng)字段值，盡量設(shè)為false）
        multiValued：是否有多個值（對可能存在多值的字段盡量設(shè)置為true，避免建索引時拋出錯誤）
        <fields> 
            <field name="id" type="integer" indexed="true" stored="true" required="true" /> 
            <field name="name" type="text" indexed="true" stored="true" /> 
            <field name="summary" type="text" indexed="true" stored="true" /> 
            <field name="author" type="string" indexed="true" stored="true" /> 
            <field name="date" type="date" indexed="false" stored="true" /> 
            <field name="content" type="text" indexed="true" stored="false" /> 
            <field name="keywords" type="keyword_text" indexed="true" stored="false" multiValued="true" /> 
            <!--拷貝字段--> 
            <field name="all" type="text" indexed="true" stored="false" multiValued="true" /> 
        </fields>  

 
    3、建議建立一個拷貝字段，將所有的全文本字段復(fù)制到一個字段中，以便進(jìn)行統(tǒng)一的檢索：
        以下是拷貝設(shè)置：
        <copyField source="name" dest="all" /> 
        <copyField source="summary" dest="all" />  

    
    4、動態(tài)字段，沒有具體名稱的字段，用dynamicField字段
        如：name為*_i，定義它的type為int，那么在使用這個字段的時候，任務(wù)以_i結(jié)果的字段都被認(rèn)為符合這個定義。如name_i, school_i
        <dynamicField name="*_i"  type="int"  indexed="true"  stored="true" /> 
        <dynamicField name="*_s"  type="string"  indexed="true"  stored="true" /> 
        <dynamicField name="*_l"  type="long"   indexed="true"  stored="true" /> 
        <dynamicField name="*_t"  type="text"  indexed="true"  stored="true" /> 
        <dynamicField name="*_b"  type="boolean" indexed="true"  stored="true" /> 
        <dynamicField name="*_f"  type="float"  indexed="true"  stored="true" /> 
        <dynamicField name="*_d"  type="double" indexed="true"  stored="true" /> 
        <dynamicField name="*_dt" type="date"  indexed="true"  stored="true" />  


        
schema.xml文檔注釋中的信息：
    1、為了改進(jìn)性能，可以采取以下幾種措施：
        將所有只用于搜索的，而不需要作為結(jié)果的field（特別是一些比較大的field）的stored設(shè)置為false
        將不需要被用于搜索的，而只是作為結(jié)果返回的field的indexed設(shè)置為false
        刪除所有不必要的copyField聲明
        為了索引字段的最小化和搜索的效率，將所有的 text fields的index都設(shè)置成field，然后使用copyField將他們都復(fù)制到一個總的 text field上，然后對他進(jìn)行搜索。
        為了最大化搜索效率，使用java編寫的客戶端與solr交互（使用流通信）
        在服務(wù)器端運(yùn)行JVM（省去網(wǎng)絡(luò)通信），使用盡可能高的Log輸出等級，減少日志量。
    2、<schema name="example" version="1.2">
        name：標(biāo)識這個schema的名字
        version：現(xiàn)在版本是1.2

    3、filedType
        <fieldType name="string" class="solr.StrField" sortMissingLast="true" omitNorms="true" />
        name：標(biāo)識而已。
        class和其他屬性決定了這個fieldType的實(shí)際行為。（class以solr開始的，都是在org.appache.solr.analysis包下）
        可選的屬性：
        sortMissingLast和sortMissingFirst兩個屬性是用在可以內(nèi)在使用String排序的類型上（包括：string,boolean,sint,slong,sfloat,sdouble,pdate）。
        sortMissingLast="true"，沒有該field的數(shù)據(jù)排在有該field的數(shù)據(jù)之后，而不管請求時的排序規(guī)則。
        sortMissingFirst="true"，跟上面倒過來唄。
        2個值默認(rèn)是設(shè)置成false
        StrField類型不被分析，而是被逐字地索引/存儲。
        StrField和TextField都有一個可選的屬性“compressThreshold”，保證壓縮到不小于一個大?。▎挝唬篶har）
        <fieldType name="text" class="solr.TextField" positionIncrementGap="100" >
        solr.TextField 允許用戶通過分析器來定制索引和查詢，分析器包括一個分詞器（tokenizer）和多個過濾器（filter）
        positionIncrementGap：可選屬性，定義在同一個文檔中此類型數(shù)據(jù)的空白間隔，避免短語匹配錯誤。
        name:  字段類型名 
        class:  java類名 
        indexed:  缺省true。 說明這個數(shù)據(jù)應(yīng)被搜索和排序，如果數(shù)據(jù)沒有indexed，則stored應(yīng)是true。 
        stored:  缺省true。說明這個字段被包含在搜索結(jié)果中是合適的。如果數(shù)據(jù)沒有stored,則indexed應(yīng)是true。 
        sortMissingLast:  指沒有該指定字段數(shù)據(jù)的document排在有該指定字段數(shù)據(jù)的document的后面 
        sortMissingFirst:  指沒有該指定字段數(shù)據(jù)的document排在有該指定字段數(shù)據(jù)的document的前面 
        omitNorms:  字段的長度不影響得分和在索引時不做boost時，設(shè)置它為true。一般文本字段不設(shè)置為true。 
        termVectors:  如果字段被用來做more like this 和highlight的特性時應(yīng)設(shè)置為true。 
        compressed:  字段是壓縮的。這可能導(dǎo)致索引和搜索變慢，但會減少存儲空間，只有StrField和TextField是可以壓縮，這通常適合字段的長度超過200個字符。 
        multiValued:  字段多于一個值的時候，可設(shè)置為true。 
        positionIncrementGap:  和multiValued
        一起使用，設(shè)置多個值之間的虛擬空白的數(shù)量
        <tokenizer class="solr.WhitespaceTokenizerFactory" />
        空格分詞，精確匹配。
        <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1" />
        在分詞和匹配時，考慮 "-"連字符，字母數(shù)字的界限，非字母數(shù)字字符，這樣 "wifi"或"wi fi"都能匹配"Wi-Fi"。
        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true" />
        同義詞 
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" />
        在禁用字（stopword）刪除后，在短語間增加間隔
        stopword：即在建立索引過程中（建立索引和搜索）被忽略的詞，比如is this等常用詞。在conf/stopwords.txt維護(hù)。

    4、fields
        <field name="id" type="string" indexed="true" stored="true" required="true" />
        name：標(biāo)識而已。
        type：先前定義的類型。
        indexed：是否被用來建立索引（關(guān)系到搜索和排序）
        stored：是否儲存
        compressed：[false]，是否使用gzip壓縮（只有TextField和StrField可以壓縮）
        mutiValued：是否包含多個值
        omitNorms：是否忽略掉Norm，可以節(jié)省內(nèi)存空間，只有全文本field和need an index-time boost的field需要norm。（具體沒看懂，注釋里有矛盾）
        termVectors：[false]，當(dāng)設(shè)置true，會存儲 term vector。當(dāng)使用MoreLikeThis，用來作為相似詞的field應(yīng)該存儲起來。
        termPositions：存儲 term vector中的地址信息，會消耗存儲開銷。
        termOffsets：存儲 term vector 的偏移量，會消耗存儲開銷。
        default：如果沒有屬性需要修改，就可以用這個標(biāo)識下。
    
        <field name="text" type="text" indexed="true" stored="false" multiValued="true" />
        包羅萬象（有點(diǎn)夸張）的field，包含所有可搜索的text fields，通過copyField實(shí)現(xiàn)。
        <copyField source="cat" dest="text" />
        <copyField source="name" dest="text" />
        <copyField source="manu" dest="text" />
        <copyField source="features" dest="text" />
        <copyField source="includes" dest="text" />
        在添加索引時，將所有被拷貝field（如cat）中的數(shù)據(jù)拷貝到text field中
        作用：
        將多個field的數(shù)據(jù)放在一起同時搜索，提供速度
        將一個field的數(shù)據(jù)拷貝到另一個，可以用2種不同的方式來建立索引。
        <dynamicField name="*_i" type="int" indexed="true" stored="true" />
        如果一個field的名字沒有匹配到，那么就會用動態(tài)field試圖匹配定義的各種模式。
        "*"只能出現(xiàn)在模式的最前和最后
        較長的模式會被先去做匹配
        如果2個模式同時匹配上，最先定義的優(yōu)先
        <dynamicField name="*" type="ignored" multiValued=" true" />
        如果通過上面的匹配都沒找到，可以定義這個，然后定義個type，當(dāng)String處理。（一般不會發(fā)生）
        但若不定義，找不到匹配會報錯。

    5、其他一些標(biāo)簽
        <uniqueKey > id </ uniqueKey >
        文檔的唯一標(biāo)識， 必須填寫這個field（除非該field被標(biāo)記required="false"），否則solr建立索引報錯。
        <defaultSearchField > text </ defaultSearchField >
        如果搜索參數(shù)中沒有指定具體的field，那么這是默認(rèn)的域。
        <solrQueryParser defaultOperator="OR" />
        配置搜索參數(shù)短語間的邏輯，可以是"AND|OR"。

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“Solr配置文件schema.xml的內(nèi)容是什么”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!