solr学习之域的管理与中文分析器配置

该文使用  Centos6.5 64 位    solr4.10.3   IK-Analyzer中文分析器

一、solr域

在solr中域的概念与lucene中域的概念相同，数据库的一条记录或者一个文件的信息就是一个document，数据库记录的字段或者文件的某个属性就是一个Field域，solr中对索引的检索也是对Field的操作。lucene中对域的操作是通过代码，solr对域的管理是通过一个配置文件schema.xml。

solr中域的类型是schema.xml中<fieldType>元素常用的field类型

 <!--string 类型 在存储索引时不进行分词   sortMissingLast：设置为true时 没有该filed的数据将排在有该Field的数据后面，忽略请求时的排序规则，默认为false。-->
    <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
    <!-- boolean 类型只有两个值 true false-->
    <fieldType name="boolean" class="solr.BoolField" sortMissingLast="true"/>

    <!--用于直接数值搜索，该类型不分词  -->
    <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/>
    <fieldType name="float" class="solr.TrieFloatField" precisionStep="0" positionIncrementGap="0"/>
    <fieldType name="long" class="solr.TrieLongField" precisionStep="0" positionIncrementGap="0"/>
    <fieldType name="double" class="solr.TrieDoubleField" precisionStep="0" positionIncrementGap="0"/>

    <!--用于数值范围搜索，进行分词 通过设置precisionStep的值可以提高检索速度，8是solr的推荐值  -->
    <fieldType name="tint" class="solr.TrieIntField" precisionStep="8" positionIncrementGap="0"/>
    <fieldType name="tfloat" class="solr.TrieFloatField" precisionStep="8" positionIncrementGap="0"/>
    <fieldType name="tlong" class="solr.TrieLongField" precisionStep="8" positionIncrementGap="0"/>
    <fieldType name="tdouble" class="solr.TrieDoubleField" precisionStep="8" positionIncrementGap="0"/>

    <!--日期类型-->
    <fieldType name="date" class="solr.TrieDateField" precisionStep="0" positionIncrementGap="0"/>
    <fieldType name="tdate" class="solr.TrieDateField" precisionStep="6" positionIncrementGap="0"/>
    <!--二进制类型-->
    <fieldtype name="binary" class="solr.BinaryField"/>
    <!--随机数类型-->
    <fieldType name="random" class="solr.RandomSortField" indexed="true" />

    <!-- text_general 类型 进行分词 -->
    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
      <!--创建索引时的配置   -->
      <analyzer type="index">
        <!-- tokenizer 创建索引使用的分词器 -->
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <!--filter  分词时的过滤器  class="solr.StopFilterFactory"  处理停用词   words：配置停用词-->
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
        <!-- filter  分词时的过滤器  class="solr.LowerCaseFilterFactory" 处理大小写转换问题（将大写转小写）-->
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
      <!--查询索引时的配置   -->
      <analyzer type="query">
          <!-- tokenizer 对查询条件分词时使用的分词器 -->
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <!--filter  分词时的过滤器  class="solr.StopFilterFactory"  处理停用词   words：配置停用词-->
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
        <!--filter  分词时的过滤器  class="solr.SynonymFilterFactory"  处理同义词   synonyms：配置同义词-->
        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
         <!-- filter  分词时的过滤器  class="solr.LowerCaseFilterFactory" 处理大小写转换问题（将大写转小写）-->
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
    </fieldType>

solr在操作Field域时需要在schema.xml中定义（根据自己的业务需求自定义）。

 <!--name域的名称  type：域的类型  indexed：是否使用该域搜索
   stored：是否存储 如果不存储在查询时是查不到该域的 但可以进行搜索
   multiValued：是否支持存储多值
   -->
   <field name="title" type="text_general" indexed="true" stored="true" multiValued="true"/>
   <field name="subject" type="text_general" indexed="true" stored="true"/>
   <field name="description" type="text_general" indexed="true" stored="true"/>
   <field name="comments" type="text_general" indexed="true" stored="true"/>
   <field name="author" type="text_general" indexed="true" stored="true"/>
   <field name="keywords" type="text_general" indexed="true" stored="true"/>
   <field name="category" type="text_general" indexed="true" stored="true"/>
   <field name="resourcename" type="text_general" indexed="true" stored="true"/>
   <field name="url" type="text_general" indexed="true" stored="true"/>
   <field name="content_type" type="string" indexed="true" stored="true" multiValued="true"/>
   <field name="last_modified" type="date" indexed="true" stored="true"/>
   <field name="links" type="string" indexed="true" stored="true" multiValued="true"/>

 1、唯一域

 <!-- id 域 也叫唯一域 每一个文档必须有唯一域 -->
    <uniqueKey>id</uniqueKey>

2、动态域

   <!-- 动态域  *_i：通配符 -->
   <dynamicField name="*_i"  type="int"    indexed="true"  stored="true"/>
   <dynamicField name="*_is" type="int"    indexed="true"  stored="true"  multiValued="true"/>
   <dynamicField name="*_s"  type="string"  indexed="true"  stored="true" />
   <dynamicField name="*_ss" type="string"  indexed="true"  stored="true" multiValued="true"/>

3、复制域 copyField 可以将多个Field复制到一个Field中，一便进行统一检索。

<copyField source="title" dest="text"/>

例如：搜索title标题、description内容 、author作者，我们可以定义title、description、author的复制域

a、先创建域

  <field name="title" type="text_general" indexed="true" stored="true" multiValued="true"/>
   <field name="author" type="text_general" indexed="true" stored="true"/>
   <field name="description" type="text_general" indexed="true" stored="true"/>
   <field name="keywords" type="text_general" indexed="true" stored="false"/>

b、创建copyField 域

 <!--source:源域   dest：目标域 -->
   <copyField source="title" dest="keywords"/>
   <copyField source="author" dest="keywords"/>
   <copyField source="description" dest="keywords"/>

c、配置完成后导入索引。

二、配置中文分析器

在solr中默认是中文分析器，需要手工配置。配置一个FieldType，在FieldType中指定中文分析器。

1、使用 IK-Analyzer中文分析器   将该分析器文件上传服务器  /opt/tools/IK Analyzer 2012FF_hf1

2、将需要把分析器的jar包（IKAnalyzer2012FF_u1.jar）添加到solr工程中。

[root@localhost IK Analyzer 2012FF_hf1]# cp IKAnalyzer2012FF_u1.jar /usr/local/solr4/tomcat7/webapps/solr/WEB-INF/lib/

3、把IKAnalyzer需要的扩展词典及停用词词典、配置文件复制到solr工程的classpath。

　　(1) 在usr/local/solr4/tomcat7/webapps/solr/WEB-INF/目录下创建classes目录  [root@localhost WEB-INF]# mkdir classes

　　(2)复制文件 [root@localhost IK Analyzer 2012FF_hf1]# cp IKAnalyzer.cfg.xml ext_stopword.dic mydict.dic /usr/local/solr4/tomcat7/webapps/solr/WEB-INF/classes

　　ext_stopword.dic：扩展词词典

　　mydict.dic：停用词词典

　　注意：扩展词典及停用词词典的字符集必须是utf-8。不能使用windows记事本编辑。

4、配置fieldType。需要在solrhome/collection1/conf/schema.xml中配置。技巧：使用vi、vim跳转到文档开头gg。跳转到文档末尾：G

在文件末尾添加fieldType

<fieldType name="text_ik" class="solr.TextField">
    <analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>

name="text_ik"：一个标识可以随便写

class="solr.TextField"：分词分析器

二、配置业务字段

Solr中的字段必须是先定义后使用。该配置要与我们的实际业务关联。

业务字段判断标准：

1、在搜索时是否需要在此字段上进行搜索。例如：商品名称、商品的卖点、商品的描述

2、后续的业务是否需要用到此字段。例如：商品id。

本人这次项目需要用到的字段：

1、商品id

2、商品title

3、卖点sell_point

4、价格price

5、商品图片image

6、商品分类名称category_name

7、商品描述item_des

在solrhome/collection1/conf/schema.xml 中添加 Solr中的业务字段：

id——商品id

其他的对应字段创建solr的字段。

<field name="item_title" type="text_ik" indexed="true" stored="true"/>
<field name="item_sell_point" type="text_ik" indexed="true" stored="true"/>
<field name="item_price"  type="long" indexed="true" stored="true"/>
<field name="item_image" type="string" indexed="false" stored="true" />
<field name="item_category_name" type="string" indexed="true" stored="true" />
<field name="item_desc" type="text_ik" indexed="true" stored="false" />

<!-- 创建复制域  将其他域上的搜索关键词都复制到一个域上 是solr对搜所的优化--> <field name="item_keywords" type="text_ik" indexed="true" stored="false" multiValued="true"/>
<copyField source="item_title" dest="item_keywords"/>
<copyField source="item_sell_point" dest="item_keywords"/>
<copyField source="item_category_name" dest="item_keywords"/>
<copyField source="item_desc" dest="item_keywords"/>

将数据写入索引库的字段要与该配置相同。

重启tomcat