Solr schema编写指导

reko_3

　　0.亲，低级错误知多少
""    写成了“”　　

　　
true    写成了 ture
　　

　　
false写成了fasel
　　

　　
String 写成了 string
　　

　　
userId 写成了userid
　　

　　
user_id 写成了 user_Id
　　

　　
userId 写成了 user_Id
　　1.
这个uniquekey 作用：当add doc的时候，配置了uniqueKey，后面的doc中uniqueKey相同的会覆盖之前的doc，　　
如果没有配置，那么将不会覆盖。update的时候，依据uniqueryKey信息的话，
　　
所以有update还是建议配上uniqueKey，一来比较完整配置信息，二来数据排查也方便。
　　
对应id这个域，必须 stored=true、indexed=true，类型建议使用long或者int，而不是string
　　
如果有特殊场景需要按id排序的，就的使用TriedLongField，否则排序时候会按文本序排序。
　　2.
　　titleidu
故名思议就是默认查询的时候，查什么域。这句的用法体现在：
　　
queryStr= content:abc 123,  等价 queryStr= content:abc>
　　
queryStr= 123 等价 queryStr=>　　
也就是说等查询的时候，没有指定查那个域，默认就对应defaultSearchField了。
　　
既然是defaultSearchField，那么这个域indexed=true 是必须的
　　
注意区分 content:abc 123 与content:"abc 123" 以及 content:(abc 123)
　　3.所有intsinttintlongslongtlongfloatsfloattfloatdouble
　　sdoubletdouble
都不支持分词，也无需分词。没有sshort tshort，只有short。因为这些基本类型就一个值，无需什么分词。　　
对与int long fload Field，不应该出现positionincrmentGap=100
　　
对与tint tlong tdoube 才有 pricisionStep、positionIncrementGap、sortMissingLast="true"属性。
　　4.配置分词
所有TextField才有机会分词所有TextField才有机会执行facet所有TextField配置的omitTermFreqAndPositions="true"才会起效果，排序中频率位置信息没了　　5.omitNorms=”true”这个参数影响域的得分，去掉之后，使得长短域相同词得分一致。按照香浓原理，
某个词出现在更长的文本中，或者出现次数越多，信息值更低。对应如果omitNorms=false，那么下面淘宝出现doc1淘宝杭州出现doc2淘宝杭州网络有限公司，命中淘宝的时候，doc1得分高于doc2注意：只有有一个域的omitNorms="false",等价所有域都保留了omitNorms这个位置，尽管omitNorms内容是空，所有，omitNorms在所有域都omitNorms=“true”的时候，才对索引有帮助。　　6.required=”true”
这个属性是说，一旦scham中该域启用required=“true”,那么建索引的时候，这个域时不能为空的，这个doc认为不完整。当前走dump中心，会对null的赋值为"",也就不会出现没有值的情况。但是schema中还是应该突出下，如果逻辑上有需要确保某些字段必须有　　7.multiValued=”true”
这个配置不是说某个域中term是单一or多个的意义。即使mulitValued=false，一个text域同时可以是很长的一段文本，也就是很多term的情况。multiValued="true"真正含义是：在传入doc建索引的时候，当一个域是mulitValued="true"，那么可以向该域继续add内容。等价在一个doc中，相同域名的key:value可以有多个。通常情况下，使用map，key也就唯一了，不会出现多个相同key，不同value的情况。另外，配置了mulitValued="true"，在命中返回文档的时候，返回的是list，而不是单个对象。在终搜目前的建索引集中下，这个multiValued配与不配已经没有任何作用影响dump过程，只是在命中返回的时候返回的是listor单个对象。深入提示，multiValued="true"在建索引的时候，实际上开辟了一个新的域，允许域名相同的域多次出现。查询的时候会查询所有域名相同的域，这样导致检索性能会有一定影响，特别是域名膨胀之后，影响非常明显。　　8.特殊分词
对应提出#；：等分词，其实建议统一转化为空格分词，这是系统原生的分词，并且是基于编译器层的分词，性能更好。没有必要为了一个#，重新定制一份代码，部署起来。　　9.排序、区间、一般查询
排序的应该是数字类型，建议使用trie类型，老的sortable也是支持的区间的也应该是数字类型的，建议使用tried类型一般查询的多个数字组合的话，建议将数字字符化，然后空格分开，目前不支持数字类型的数组　　10.datetdate等类型
在配置datatdate等类型的时候，需要注意时间格式。另外，不推荐直接保存，而是保存差值后的int类型等。由于data精度控制不同，将使得所用data域的term成线性增长，这是相当恐怕的事情。这个长尾将消耗非常大的内存、空间资源。在索引中term线性的增长是相当恐怖的事情。对长尾的处理目前还没有特殊优化。通用在索引中term聚集性的增长也是相当恐怖的事情，对长链处理目前也没有特殊优化。　　11.高级活
自我校验schema质量。当schema配置完毕了，可以采取terminatorquickstart测试一下，然后luke工具查看下索引结构。这样可能会发现一些问题。可能很多地方的结构可以尝试优化。