Solr 配置文件之schema.xml

schema.xml这个配置文件的根本目的是为了通过配置告诉Solr如何建立索引。

solr的数据结构如下：

document：一个文档、一条记录
- field：域、属性

solr通过搜索某个或某些field，返回若干个符合条件的document，或者按搜索的score排序返回。

如果跟数据库对比，document相当于数据库的表，field相当于表中的字段。而schema.xml就是为了定义一个表的结构（定义各个field的名字、类型、约束、等等）。

schema.xml的基本结构如下：

<types>

</schema>

常用的配置说明：

field：定义一个document中的各个fields
- name：必填。该field的名字。前后都有下划线的name是系统保留的名字，比如“_version_”
- type：必填。类型，对应于fieldType的name
- default：该field的缺省值
- indexed：true/false，是否为该field建立索引，以让用户可以搜索它、统计它（facet）
- stored：true/false，定义这个field是否可以返回给查询者
- multiValued：true/false，是否可以容纳多个值（比如多个copyField的dest指向它）。如果是true，则该field不能被排序、不能作为uniqueKey
- required：true/false，告诉solr这个field是否接受空值，缺省为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、统计、高亮）
copyField：把一个field的内容拷贝到另外一个field中。一般用来把几个不同的field copy到同一个field中，以方便只对一个field进行搜索
- source：被拷贝的field，支持用通配符指定多个field，比如：*_name
- dest：拷贝到的目的field
- maxChars：最大字符数
uniqueKey：指定一个field为唯一索引
fieldType：定义field的类型，包括下面一些属性
- name：必填，被field配置使用
- class：必填，filedType的实现类。solr.TextField是路径缩写，"等价于"org.apache.solr.schema.TextField"
- multiValued：？
- positionIncrementGap：指定mutiValued的距离
- ananlyzer：如果class是solr.TextField，这个配置是必填的。告诉solr如何处理某些单词、如何分词，比如要不要去掉“a”，要不要全部变成小写……
  - type：index或query
  - tokenizer：分词器，比如：StandardTokenizerFactory
  - filter：过滤器，比如：LowerCaseFilterFactory
dynamicField：用通配符定义一个field来存在没有被field定义的漏网之鱼
- name：使用通配符，比如“*_i”，来处理类似“cost_i”之类的field

一个简单的例子：

<?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配置文件中，requestHandler "/select"的缺省“df”是“text”。如果按照上面的配置，我们想要的缺省搜索info_text，所以需要在solrconfig.xml中修改：

<str name="echoParams">explicit</str>

<str name="defType">edismax</str>

</lst>

</requestHandler>

可以通过http api获取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

（原创文章，转载请注明转自Clement-Xu的博客）

Solr 配置文件之schema.xml

相关推荐