文档、字段与模式设计
Solr 的基本前提
Solr 的基本前提很简单：你向它提供大量信息，然后你可以向它提问并找到你想要的信息片段。
这个过程包含两个主要部分：
- 索引（或更新） - 添加信息的过程
- 查询 - 向信息提问的过程
当您向 Solr 添加信息时，信息会根据您设计的方式进行组织，以便在您想要找到它时，能够快速准确地找到正确的信息片段。
Solr 如何组织信息
Solr 以三种主要方式组织信息：文档、字段和字段类型。
文档
文档 是描述某事物的一组数据。在 Solr 中，文档是您可以索引和搜索的基本信息单位。对于求职网站，文档可能代表单个简历。对于在线购物网站，文档可能代表您销售的每种产品。对于法律数据库，文档可能代表单个案例。
字段
字段 是文档中的特定信息片段。继续上面的例子，求职网站上的简历文档的字段可能包括技能、日期范围、以前的职位、教育等。产品文档的字段可能包括价格、制造商、型号、重量、尺寸等。
字段可以包含不同类型的数据。姓名字段，例如，是文本（字符序列）。价格字段可能是数字，因此可以进行数字运算。重量字段也可能是数字，但在处理方式上可能与价格不同，因为它代表不同的信息类型。
字段类型
字段类型 告诉 Solr 如何解释字段数据以及如何查询字段。当您向 Solr 添加文档时，Solr 会获取与字段关联的字段类型信息，并使用该信息来处理和存储字段数据。
例如，价格字段类型可能告诉 Solr，该字段的数据是数字，应该按数字排序。姓名字段类型可能告诉 Solr，应该按字母顺序排序。
字段类型有一个名称，然后在要使用该字段类型的字段中引用该名称。
字段分析
字段分析 告诉 Solr 在构建索引时如何处理传入的数据。
一个更常见的用例是，您有一个文本字段，您希望确保查询”Brown cow”、”brown cow”和”Brown Cow”都能找到一个索引为”Brown Cow”的文档。为此，您可以使用文本分析功能，在索引和查询时将所有文本转换为同一大小写。
字段分析是一个很深的主题，几乎可以执行与搜索相关的任何类型的数据转换。两个常见的用途：
- 使搜索不区分大小写 - 您可以让搜索者查询”george bush”并找到”George Bush”
- 词干提取 - 您可以让搜索者查询”run”并找到具有”ran”、”running”等的文档。
字段分析可以做什么
字段分析可以：
- 将文本分解为单词
- 将文本转换为小写
- 去除重音符号
- 过滤掉常用词（如”the”、”and”、”a”等）
- 将单词转换为它们的词根形式（词干提取）
- 处理同义词
- 基于语言特定规则处理文本
分析对于提供更灵活和用户友好的搜索体验至关重要。
食谱类比
让我们用食谱类比来帮助您思考这些不同的信息片段：
- 在食谱中，文档 将是整个食谱 - 关于如何制作某种食物的所有信息
- 字段 将是食谱的成分 - 小麦粉、鸡蛋、水、盐等
- 字段类型 类似于每种成分类型的测量单位 - 一些按重量测量、一些按体积测量、一些只是计数
除了成分，食谱还有其他字段，如烹饪时间、烘烤温度、服务份数等。
如果您想在一本食谱书中查找食谱，您可以翻阅该书并阅读每个食谱直到找到一个食谱，或者您可以转到后面的索引，该索引告诉您哪些食谱包含您感兴趣的成分，然后直接转到那些食谱。
Solr 不仅为您创建索引，还允许您搜索 任何 字段，并且可以将结果按任何字段排序。
在模式文件中
有关字段类型、字段和其他配置信息的详细信息存储在模式文件中。在以前的 Solr 版本中，模式文件被称为 schema.xml。在当前版本的 Solr 中，托管模式是默认的。
Solr 的托管模式（有时也称为”无模式”模式）是使用 Solr 的模式 API 修改模式的一种方式，允许使用 API 调用添加和删除字段、字段类型和复制字段规则。使用托管模式时，您可能不会手动编辑模式文件，而是通过 Schema API 读取和修改它。
如果您使用的是托管模式，您的模式文件将被命名为 managed-schema.xml，并且包含一个警告，建议不要手动编辑文件。如果您选择手动编辑模式，则应在 solrconfig.xml 中禁用托管模式，并将您的 managed-schema.xml 文件重命名为 schema.xml。
请注意，如果您采用”托管模式”方法，那么对模式所做的任何更改都不会自动更改已经索引的数据。如果您要迭代开发模式，那么很可能需要重新索引数据。
模式设计的基本方法
良好的模式设计需要了解：
您的数据特征
- 数据类型（文本、数字、日期等）
- 数据大小和复杂性
- 数据的更新频率
- 数据关系和层次结构
您的搜索需求
- 用户如何搜索
- 需要哪些排序选项
- 需要哪些聚合和分面
- 性能要求
设计原则
- 从简单开始，逐步添加复杂性
- 仔细规划字段类型
- 考虑存储和性能权衡
- 测试和迭代改进
规划您的模式
在为大量数据建立索引之前，请考虑以下问题：
字段识别
- 您需要搜索哪些字段？
- 您需要显示哪些字段？
- 您需要排序的字段？
- 您需要进行分面的字段？
数据类型选择
- 文本字段需要什么样的分析？
- 数字字段的精度要求？
- 日期字段的格式要求？
- 是否需要多值字段？
性能考虑
- 存储 vs 索引的权衡
- 分析的复杂性 vs 查询性能
- 实时更新 vs 批量更新需求
迭代方法
模式设计最好通过迭代方法完成：
- 初始设计 - 基于对数据和需求的理解创建基本模式
- 小规模测试 - 使用样本数据测试模式
- 性能评估 - 评估索引和查询性能
- 需求验证 - 确认模式满足所有搜索需求
- 优化改进 - 基于测试结果优化模式
- 扩展部署 - 应用到完整数据集
最佳实践
命名约定
- 使用清晰、一致的字段名称
- 考虑使用前缀来组织相关字段
- 避免 Solr 保留字
字段配置
- 仅对需要搜索的字段建立索引
- 仅存储需要显示的字段
- 合理使用复制字段（copy fields）
分析配置
- 为不同语言选择适当的分析器
- 平衡搜索灵活性和精确性
- 测试分析结果以确保符合预期
性能优化
- 使用 DocValues 进行排序和分面
- 考虑字段的基数对性能的影响
- 监控索引大小和查询性能
小结
理解文档、字段和字段类型是使用 Solr 的基础。模式设计决定了 Solr 如何理解和处理您的数据，因此值得花时间仔细规划。从简单开始，测试您的假设，并根据实际使用模式迭代改进您的设计。
好的模式设计将为您的 Solr 应用程序的成功奠定坚实的基础，实现高效的索引、快速的查询和良好的用户体验。