Solr debugQuery使用体会

boss44

　　使用solr，就使用到各种的排序和boost。
　　在公司的站内搜索引擎，就遇到了排序的问题，各种各样的条件，融合在最后一个分数里面。
　　开启debugQuery，就可以看到每个document的打分逻辑原理。
　　比如说，我们的查询是这样的：

/solr/select?q=ddr&defType=dismax&qf=name^1000+description^100&bf=pow(price,1.5)&debugQuery=true&indent=true

　　开启了debugQuery后，获得的结果是这样的：

1.6771803 = (MATCH) sum of:  
0.64883727 = (MATCH) max of:  
0.64883727 = (MATCH) weight(name:ddr^1000.0 in 6), product of:
0.99999994 = queryWeight(name:ddr^1000.0), product of:  
1000.0 = boost  
2.446919 = idf(docFreq=3, maxDocs=17)  
4.0867718E-4 = queryNorm  
0.6488373 = (MATCH) fieldWeight(name:ddr in 6), product of:  
1.4142135 = tf(termFreq(name:ddr)=2)  
2.446919 = idf(docFreq=3, maxDocs=17)  
0.1875 = fieldNorm(field=name, doc=6)  
1.028343 = (MATCH) FunctionQuery(pow(float(price),const(1.5))), product of:  
2516.272 = pow(float(price)=185.0,const(1.5))  
1.0 = boost  
4.0867718E-4 = queryNorm
　　按照这个格式，把你的debugQuery的信息取出来，格式化就得到了。
　　首先，最上面的分数是这个document的总分：[size=1em]1.6771803 
　　[size=1em]这个分数是怎么来的？
　　总分 = 字段得分 + 每个FunctionQuery 的得分。
　　Solr的dismax引擎，会选择一个最高得分的字段，作为该document的基础。
　　然后通过FunctionQuery进行调整。
　　加入，被查询的字段有：
　　productName^100
　　productDesc^10
　　那么2者都马努匹配的情况下，productName^100 的得分是0.9 ，productDesc^10的得分是0.8.
　　取0.9作为分数基底。
　　然后有2个FunctionQuery，分别是促销排名值0.012，和上架时间排名值0.011
　　那么这个document的分值= max(0.9 , 0.8) + 0.012 + 0.011 = 0.923
　　在debug信息中，queryNorm 一般会是个常量，不用管它。
　　tf   是词条在文本中出现的次数
　　idf   是词条在文本中的重要性程度 
　　OK，总结到这里。