Solr Reference Guide 5.3：Documents, Fields, and Schema Design

Overview of Documents, Fields, and Schema Design

Solr 的基本假設很簡單：你給它一大堆資訊，然後你問它問題、得到你想要的資訊。

你餵它資訊的部分叫做 indexing 或 updating。

當你提出一個問題，那是一個 query。

理解 Solr 運作方式之一，是把它想成一本食譜活頁書。

每當你新增一個食譜到這本書裡，就在書的最後更新一個索引。

你列出這份新增食譜裡的每樣原料，以及頁碼。

假設你加入了100個食譜，使用這個索引，你可以很快找到使用鷹嘴豆或洋薊或咖啡做為原料的食譜。

使用這個索引，比你從頭到尾把食譜一個一個翻一遍，要快很多很多。

想像這本書裡有一千個食譜，甚至一百萬個食譜。

Solr 允許你可以對多個不同 field、不同的 type of entries 建立索引。

上面的例子只對一個 field 建立索引：原料。

你可以在索引裡放其他 fields，例如烹飪方式：亞洲、卡津、素食，或是準備時間的索引。

Solr 可以回答像這樣的問題：「有哪些卡津風格的食譜，使用血橙做為原料，可以在30分鐘之內準備好的？」

Schema 是你告訴 Solr 如何從輸入的文件建立索引的地方。

How Solr Sees the World

Solr 的資訊基本單元是一個 document，它是描述某些東西的資料集。

一個食譜 document 包含材料、製作方法、準備時間、烹飪時間、需要的工具等等。

關於一個人的 document 可能有：姓名、傳記、喜歡的顏色、鞋號。

關於一本書的 document 可能有：書名、作者、出版年、頁數等等。

Fields 裡面可以放不同類型的資料。

例如姓名 field，它是文字。

鞋號則可能是一個 floating point number，這樣它的值就可能是 6 或 9.5。

顯然，field 的定義是有彈性的（例如：你可以把鞋號定義成文字），但是如果你正確的定義你的 fields，Solr 才能夠正確的詮釋它們，然後當你的使用者們提出 query 的時候會得到比較好的結果。

你可以指定某個 field 的 type，以此來告訴 Solr 這個 field 會包含哪些類型的資料。

Field Analysis

Field analysis 告訴 Solr 在建索引時要如何處理進來的資料。這個程序更精準的名字是 processing 或是 digestion，不過正式的名稱是 analysis。

例如，我們考慮某個人的 document 裡面有個傳記 field。

這個傳記裡的每字都要建索引，這樣你才能很快找到哪些人的人生跟調味番茄醬、或蜻蜓、或密碼學有關。

但是，一個傳記裡很可能包含了很多你不在乎的字詞，而且你不希望它們塞滿你的索引，像是「the」「a」「to」等等。

而且，如果傳記裡有某一句的開頭是「Ketchup」這個第一個字母大寫的詞。

當某個使用者查詢「ketchup」的時候，你會希望 Solr 把這個人也找出來，即使它們的大小寫並不一致。

這些問題的解決方法就是 field analysis。

以傳記 field 來說，你可以告訴 Solr 要如何把它們切成字詞，你可以告訴 Solr 要把所有字詞都轉為小寫，而且你可以告訴 Solr 要把 accent marks 移除。

Solr Field Types

Field Type Definitions and Properties

一個 field type 定義包含四種資訊類型：

• 這個 field type 的名稱 (必要)
• 一個 implementation class 名稱 (必要)
• 如果這個 field type 是 TextField，供這個 field type 使用的 field analysis 的描述。
• Field type properties：這視 implementation class 的情況，有些 properties 可能是必要的。

Field Type Definitions in schema.xml

Field types 是在 schema.xml 裡定義。每一個 field type 在 fieldType 元素裡定義。

它們可以用 types 元素合成一個群組。

以下是一個名字叫做 text_general 的 field type 的定義範例：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">

  <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

      <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>

上例中的第一行包含了這個 field type 的名稱 text_general，以及 implementing class 的名稱 solr.TextField。

其餘的部份是關於 field analysis，這在「Understanding Analyzers, Tokenizers, and Filters」裡說明。

Implementing class 負責確認這個 field 會被正確的處理。

在 schema.xml 裡的 class name 裡面，solr 這個字串是 org.apache.solr.schema 或 org.apache.solr.analysis 的簡寫。

所以，solr.TextField 其實是 org.apache.solr.schema.TextField。

Field Types Included with Solr

Putting the Pieces Together

Working With Text

可以使用 copyField 把多個 field 放進一個單一的 text field 裡面，用來做關鍵字搜尋。