Solr字段类型的定义和属性

Solr 字段类型定义在对文档进行索引或向索引发送查询时将在字段上发生的分析。

字段类型定义可以包括以下四种类型的信息：

• 字段类型的名称（必填）。
• 一个实现类的名字（必填）。
• 如果一个字段的类型是 TextField，则为字段类型的字段分析说明。
• 字段类型属性取决于实现类，一些属性可能是强制性的。

schema.xml 中的字段类型定义

字段类型在 schema.xml 中定义。每个字段类型在 fieldType 元素之间定义。他们可以有选择地分组在一个 types 元素中。下面是一个名为 text_general 类型的字段类型定义的示例：

<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>

关于上述代码的提示信息：

1. 上述实例的第一行包含字段类型名称、text_general 和实现类的名称 solr.TextField。
   
2. 定义的其余部分是关于字段分析，在理解分析器、分词和过滤器中描述。
   

实现类负责确保字段被正确处理。在 schema.xml 类名中，字符串 solr 是 org.apache.solr.schema 或者 org.apache.solr.analysis 的简写形式。所以，solr.TextField 是真的 org.apache.solr.schema.TextField。

字段类型属性

字段类型 class 决定了字段类型的大部分行为，但也可以定义可选的属性。例如，date 字段类型的以下定义就定义了两个属性，sortMissingLast 和 omitNorms。

<fieldType name="date" class="solr.DatePointField"
           sortMissingLast="true" omitNorms="true"/>

可以为给定字段类型指定的属性分为三个主要类别：

• 特定于字段类型的类的属性。
• 常规属性 Solr 支持任何字段类型。
• 字段默认属性可以在字段类型上指定，这些字段将由使用此类型而不是默认行为的字段继承。

字段的一般属性

这些是字段的一般属性：

name

fieldType 的名称。该值用于字段定义中的“类型”属性中。强烈建议名称仅包含字母数字或下划线字符，不能以数字开头。目前这不是严格执行的。

class

用于存储和索引此类型数据的类名。请注意，您可以用 “solr” 作为前缀包含的类名称。Solr 会自动找出哪些软件包可以搜索这个类，这样solr.TextField就可以工作了。

如果您使用的是第三方类，则可能需要具有完全限定的类名称。solr.TextField是的完全限定等效项是org.apache.solr.schema.TextField。

positionIncrementGap

对于多值字段，指定多个值之间的距离，这可以防止虚假词组匹配。

autoGeneratePhraseQueries

对于文本字段。如果为true，Solr 将自动生成相邻词语的短语查询。如果为false，则术语必须用双引号括起来以作为短语处理。

enableGraphQueries

对于文本字段，查询时使用sow=false（这是sow参数的默认值）。对具有查询分析器的字段类型使用 true (默认值)，包括具有图形感知的筛选器，例如同义词图形过滤器和字符分隔符图形过滤器。

对于既有查询分析器使用的字段类型，使用 false 包括在缺少某些标记 (例如，Shingle Filter) 时可以匹配文档的筛选器。

docValuesFormat

定义用于此类型的字段的自定义 DocValuesFormat。这要求具有架构感知的编解码器（例如，SchemaCodecFactory 已在 solrconfig.xml 中配置）。

postingsFormat

定义用于此类型的字段的自定义 PostingsFormat。这要求具有架构感知的编解码器（例如，SchemaCodecFactory 已在 solrconfig.xml 中配置）。

Tip：只有默认编解码器支持 Lucene 索引反向兼容。如果您选择在 schema.xml 中自定义 postingsFormat 或 docValuesFormat，则升级到未来版本的 Solr 可能会要求您切换回默认编解码器，并在升级之前优化索引以将其重写为默认编解码器，或升级后从头开始重新构建整个索引。

字段默认属性

这些属性可以在字段类型中指定，也可以在单个字段中指定，以覆盖字段类型提供的值。

每个属性的默认值取决于底层的 FieldType 类，这又可能取决于的  <schema/> 的 version 属性。下面的表格包含了 FieldTypeSolr 提供的大多数实现的默认值，假设 schema.xml 声明 version="1.6"。

字段类型相似性

字段类型可以选择指定一个 <similarity/>，在对引用此类型的字段进行评分的文档时将使用它，只要集合的 "全局" 相似性允许这样做。

默认情况下，任何没有定义相似性的字段类型都会使用 BM25Similarity。有关更多详细信息以及配置全局和每类相似性的示例，请参阅其他架构元素。