Solr schema編寫指導

1. uniquekey 作用：當add doc的時候，配置了uniqueKey，後面的doc中uniqueKey相同的會覆蓋之前的doc，

如果沒有配置，那麼將不會覆蓋。update的時候，依據uniqueryKey資訊的話，

所以有update還是建議配上uniqueKey，一來比較完整配置資訊，二來資料排查也方便。

對應id這個域，必須 stored=true、indexed=true，型別建議使用long或者int，而不是string

如果有特殊場景需要按id排序的，就的使用TriedLongField，否則排序時候會按文字序排序。

2. defaultSearchField, 故名思議就是預設查詢的時候，查什麼域。這句的用法體現在：

queryStr= content:abc 123,  等價 queryStr= content:abc title:123

queryStr= 123 等價 queryStr= title:123

也就是說等查詢的時候，沒有指定查那個域，預設就對應defaultSearchField了。

既然是defaultSearchField，那麼這個域indexed=true 是必須的

注意區分 content:abc 123 與content:”abc 123” 以及 content:(abc 123)

3. 所有int sint tint long slong tlong float sfloat tfloat double sdouble tdouble

都不支援分詞，也無需分詞。沒有sshort tshort，只有short。因為這些基本型別就一個值，無需什麼分詞。

對與int long fload Field，不應該出現positionincrmentGap=100

對與tint tlong tdoube 才有 pricisionStep、positionIncrementGap、sortMissingLast=”true”屬性。

4. 配置分詞

所有TextField才有機會分詞

所有TextField才有機會執行facet

所有TextField 配置的omitTermFreqAndPositions=”true” 才會起效果，排序中頻率位置資訊沒了

5. omitNorms=”true” 這個引數影響域的得分，去掉之後，使得長短域相同詞得分一致。按照香濃原理，

某個詞出現在更長的文字中，或者出現次數越多，資訊值更低。對應如果omitNorms=false，那麼

下面 淘寶 出現doc1 淘寶杭州 出現doc2 淘寶杭州網路有限公司，命中淘寶的時候，doc1 得分高於doc2

注意：只有有一個域的omitNorms=”false”,等價所有域都保留了omitNorms 這個位置，儘管omitNorms內容是空，

所有，omitNorms在所有域都omitNorms=“true”的時候，才對索引有幫助。

6. required=”true”

這個屬性是說，一旦scham中該域啟用required=“true”,那麼建索引的時候，這個域時不能為空的，這個doc認為不完

整。當前走dump中心，會對null的賦值為””,也就不會出現沒有值的情況。但是schema中還是應該突出下，如果邏輯上

有需要確保某些欄位必須有

7. multiValued=”true”

這個配置不是說某個域中term是單一or 多個的意義。即使mulitValued=false，一個text域同時可以是很長的

一段文字，也就是很多term的情況。multiValued=”true”真正含義是：在傳入doc建索引的時候，當一個域

是mulitValued=”true”，那麼可以向該域繼續add內容。等價在一個doc中，相同域名的key:value 可以有

多個。通常情況下，使用map，key也就唯一了，不會出現多個相同key，不同value的情況。

另外，配置了mulitValued=”true”，在命中返回文件的時候，返回的是list，而不是單個物件。

在終搜目前的建索引集中下，這個multiValued 配與不配已經沒有任何作用影響dump過程，只是在命中返回的時候

返回的是list or 單個物件。

深入提示，multiValued=”true” 在建索引的時候，實際上開闢了一個新的域，允許域名相同的域多次出現。

查詢的時候會查詢所有域名相同的域，這樣導致檢索效能會有一定影響，特別是域名膨脹之後，影響非常明顯。

8.特殊分詞

對應提出# ； ： 等分詞，其實建議統一轉化為空格分詞，這是系統原生的分詞，並且是基於編譯器層的分詞，效能更好。

沒有必要為了一個#，重新定製一份程式碼，部署起來。

9. 排序、區間、一般查詢

排序的應該是數字型別，建議使用trie型別，老的sortable 也是支援的

區間的也應該是數字型別的，建議使用tried型別

一般查詢的多個數字組合的話，建議將數字字元化，然後空格分開，目前不支援數字型別的陣列

10. date tdate等型別

在配置data tdate等型別的時候，需要注意時間格式。

另外，不推薦直接儲存，而是儲存差值後的int型別等。

由於data精度控制不同，將使得所用data域的term成線性增長，這是相當恐怕的事情。

這個長尾將消耗非常大的記憶體、空間資源。

在索引中term線性的增長是相當恐怖的事情。對長尾的處理目前還沒有特殊最佳化。

通用在索引中term聚集性的增長也是相當恐怖的事情，對長鏈處理目前也沒有特殊最佳化。

11.高階活

自我校驗schema質量。

當schema配置完畢了，可以採取terminatorquickstart 測試一下，然後luke工具檢視下索引結構。

這樣可能會發現一些問題。可能很多地方的結構可以嘗試最佳化。