如何使用solr的join

chunjihong

对于用惯数据库的我们，多表进行join连接，是非常常见的一个需求，但是在我们的索引中，对join的支持，却不是很完美，当然这并不是由于我们的Lucene或Solr不够强大，而是全文检索与数据库的定位不是在同一个目标上，全文检索，主要定位在搜索引擎上，通常是对一个大的索引进行高效检索，而数据库则是定位在结构化数据的存储于与检索，检索功能比较薄弱，那我们的索引是不是就不支持join了，实事并非如此，Lucene里面支持join操作，这种join定位在同一份索引里，而Solr作为Lucene的扩展，又提供了两core join的功能，下面散仙给出一个例子，尽量简单，清晰的描述出如何使用它们和理解它们的工作方式。


散仙，有2个core，分别是collection1，和collection2，里面的数据分别是：
collection1:总共有3条数据
collection1：schema 都是字符串string ;  有id，name两个字段 ;
collection1： {1, Apple}, {2, Samsung}, {3, HTC}
collection2:总共有5条数据
collection2:schema 都是字符串string ;有id,name,brand_id 两个字段;
collection2: {1, iPhone, 1}, {2, iPad, 1}, {3, Galaxy S3, 2}, {4, Galaxy Note, 2}, {5, One X, 3}

下面，先来看下单core的join，以collection2作为例子，测试代码如下：


/***
* join测试
*
*
* ***/
public static void joinquery2()throws Exception{
SolrServer server1=new HttpSolrServer("http://localhost:9003/solr/collection2");
SolrQuery sq=new SolrQuery();
//sq.set("fl", "id,name");//过滤只需要返回的字段
sq.set("q", "{!join from=id  to=brand_id }brand_id:*");
QueryResponse qr=server1.query(sq, METHOD.POST);
SolrDocumentList list=qr.getResults();
System.out.println("命中结果集："+qr.getResults().size());
for(SolrDocument s:list){
System.out.println(s.toString());
}
}
运行结果如下：
五月 14, 2014 9:03:58 下午 org.apache.solr.client.solrj.impl.HttpClientUtil createClient
INFO: Creating new http client, config:maxConnections=128&maxConnectionsPerHost=32&followRedirects=false
命中结果集：5
SolrDocument{id=1, name=iPhone, brand_id=1, _version_=1468079557386960896}
SolrDocument{id=2, name=iPad, brand_id=1, _version_=1468079557408980992}
SolrDocument{id=3, name=Galaxy, brand_id=2, _version_=1468079557412126720}
SolrDocument{id=4, name=Galaxy Note, brand_id=2, _version_=1468079557416321024}
SolrDocument{id=5, name=One X, brand_id=3, _version_=1468079557420515328}

改变，条件后，再测：
/***
* join测试
*
*
* ***/
public static void joinquery2()throws Exception{
SolrServer server1=new HttpSolrServer("http://localhost:9003/solr/collection2");
SolrQuery sq=new SolrQuery();
//sq.set("fl", "id,name");//过滤只需要返回的字段
sq.set("q", "{!join from=id  to=brand_id }brand_id:2");
QueryResponse qr=server1.query(sq, METHOD.POST);
SolrDocumentList list=qr.getResults();
System.out.println("命中结果集："+qr.getResults().size());
for(SolrDocument s:list){
System.out.println(s.toString());
}
}

运行结果如下：
五月 14, 2014 9:10:04 下午 org.apache.solr.client.solrj.impl.HttpClientUtil createClient
INFO: Creating new http client, config:maxConnections=128&maxConnectionsPerHost=32&followRedirects=false
命中结果集：1
SolrDocument{id=5, name=One X, brand_id=3, _version_=1468079557420515328}

分析运行原理，类似sql中的写法：
SELECT *
FROM collection1
WHERE brand_id IN (SELECT id FROM collection1 where brand_id = * )
第一步，先执行子查询SELECT id FROM collection1 where brand_id = *
会返回所有的id分别是，1,2,3,4,5
第二步，执行主查询就是
SELECT *
FROM collection1
WHERE brand_id  in (1,2,3,4,5)
而brand_id去重完之后，就只有1,2,3了，所以转换成如下查询：
SELECT *
FROM collection1
WHERE  brand_id(1,2,3)  in (1，2,3,4,5)
取并集后结果，就会命中brand_id=1,2,3的文档，所以就命中了所有的文档

再来分析下，第二个查询，指定查询id的join：
第一步，先执行子查询SELECT id FROM collection1 where brand_id = 2
会返回所有的id分别是，3,4,
第二步，执行主查询就是
SELECT *
FROM collection1
WHERE brand_id  in (3,4)
而brand_id去重完之后，就只有1,2,3了，所以转换成如下查询：
SELECT *
FROM collection1
WHERE  brand_id(1,2,3)  in  brand_id(3,4)
取并集后的结果，就会命中brand_id=3的文档了，所以就会返回ID为5的文档；


下面，来测下，两个core的join，代码如下：/***
* join测试
*
*
* ***/
public static void joinquery2()throws Exception{
SolrServer server1=new HttpSolrServer("http://localhost:9003/solr/collection1");
SolrQuery sq=new SolrQuery();
//sq.set("fl", "id,name");//过滤只需要返回的字段
sq.set("q", "{!join from=brand_id to=id fromIndex=collection2}name:iPad");
QueryResponse qr=server1.query(sq, METHOD.POST);
SolrDocumentList list=qr.getResults();
System.out.println("命中结果集："+qr.getResults().size());
for(SolrDocument s:list){
System.out.println(s.toString());
}
}
结果如下：
五月 14, 2014 9:30:41 下午 org.apache.solr.client.solrj.impl.HttpClientUtil createClient
INFO: Creating new http client, config:maxConnections=128&maxConnectionsPerHost=32&followRedirects=false
命中结果集：1
SolrDocument{id=1, name=Apple, _version_=1468079556974870528}

分析类似如下SQL：
SELECT b.* FROM  collection1 b
       INNER JOIN collection2 p ON b.id=p.brand_id
       WHERE p.name="iPad";
注意collection名的先后顺序，如上solrj里面的执行，跟上面的sql的运行规则是一样的，所以我们最终的结果里，会返回，如果我们的条件是下面的相反组合：


public static void joinquery()throws Exception{
SolrServer server1=new HttpSolrServer("http://localhost:9003/solr/collection2");
SolrQuery sq=new SolrQuery();
sq.set("q", "{!join from=id to=brand_id fromIndex=collection1}id:1");
QueryResponse qr=server1.query(sq, METHOD.POST);
SolrDocumentList list=qr.getResults();
System.out.println("命中结果集："+qr.getResults().size());
for(SolrDocument s:list){
//s.toString();
System.out.println(s.toString());
}

则运行结果如下所示：
五月 14, 2014 9:43:46 下午 org.apache.solr.client.solrj.impl.HttpClientUtil createClient
INFO: Creating new http client, config:maxConnections=128&maxConnectionsPerHost=32&followRedirects=false
命中结果集：2
SolrDocument{id=1, name=iPhone, brand_id=1, _version_=1468079557386960896}
SolrDocument{id=2, name=iPad, brand_id=1, _version_=1468079557408980992}

原理，依旧与如上的sql一样。只不过位置相反，调整了：
SELECT b.* FROM  collection2 b
       INNER JOIN collection1 p ON b.id=p.brand_id
       WHERE b.id=1;