Solr 6.7学习笔记（02）-- 配置文件 managed-schema (schema.xml)（3）

     5. <fieldType>

fieldType主要定义了一些字段类型，其name属性值用于前面<field>中的type属性的值。e.g. <fieldType name="string" class="solr.StrField" sortMissingLast="true" /> 其中class属性中"solr"是org.apache.solr.schema这个包名的缩写。

fieldType的属性：

1）name  由字母、数字和下划线组成。不能以数字开头。此值用于前面<field>中的type属性的值。

2）class  此值表明索引并存储此fieldType的数据的类型（e.g 字符类型，数字类型，日期类型...）。如果此类不是solr提供的（自定义的或第三方的类），则不能用"solr."，需要写类的全路径名。

3）positionIncrementGap 值为整数，用于multiValued="true"的字段，指定多个值之间的距离，以防出现假的短语匹配。

比如描述书本作者的字段是有多个值的，假设有两个作者：John Smith 和 Mike Jackson，我们搜索"Smith Mike"这个作者，如果positionIncrementGap值设成0，则此记录就会被认为是匹配搜索条件的，实际上是不匹配的。对于这种情况，我们应该把此值设置成一个较大的值，比如100。

4) autoGeneratePhaseQueries 值为布尔类型。默认值为false。对于文本字段，如果设置为TRUE的话，Solr自动为相邻的terms生成短语查询。如果为FALSE，包含在双引号内的terms才会被认为是短语。

举个粟子：索引中的文本内容为：春花秋月何时了...一江春水向东流。    我们在搜索的输入框里输入"春花"（注意不输入两个双引号），如果autoGeneratePhaseQueries 为true，我们加上highlight的话，返回的匹配结果为： <em>春花</em>秋月何时了...一江春水向东流。     如果值为false，则返回结果为<em>春</em><em>花</em>秋月何时了...一江<em>春</em>水向东流。

如果值为false，我们还是想要进行短语查询，可在输入框里输入"春花"(注意需要加上两个双引号)。

5）docValuesFormat 自定义docValues的格式。设置此值的话，必须在solrconfig.xml里配置schema-aware codec。如：

<codecFactory class="solr.SchemaCodecFactory" />

在网上搜了一下，只看到有两个值 Memory 和 Disk。猜想这个属性的作用应该是定义docValues值是存在硬盘上还是存在内存中吧。

6）postingsFormat 自定义PostingsFormat。设置此值的话，必须在solrconfig.xml里配置schema-aware codec。不太清楚具体有什么用。

注：尽量不要使用docValuesFormat和postingFormat。Solr的guideline上有一段话，翻译如下：

仅当使用默认的codec 时，Lucene索引才支持向后兼容。因此，如果使用了这两个属性，那么将来想要升级到更高版本的Solr 时，需要你切换回默认的codec，然后优化现有的索引或者重新建立整个索引。

以下的属性也同时存在于<field>里，如果<field>里的值会覆盖<fieldType>里的值。

7）indexed 布尔值。true表示进行索引。

8）stored 布尔值。true表示进行存储。

9）docValues 布尔值。true表示field的值将会被存储于面向列的数据结构中。

10）sortMissingFirst 布尔值。true表示排序的时候，此field值为空的记录排在此field值不为空的记录的前面。

11）sortMissingLast 布尔值 。意思和sortMissingFirst相反。

12）multiValues 布尔值。

13）omitNorms 布尔值。

14）omitTermFreqAndPositions 布尔值。忽略term frequency, positions 和 payloads。所有非文本类型字段，此默认值是true。

15）omitPositions 布尔值。布尔值。忽略positions。

16）termVectors， termPositions， termOffsets 和 termPayloads 布尔值。

17）required 布尔值。

18）useDocValuesAsStored 布尔值。

19）large 布尔值。默认FALSE

fieldType里class属性的一些值：

　　　　1）BinaryField 二进制数据

　　　　2）BoolField 布尔值数据。以"1"、"T"和"t"开头的字符都被认为是true，其它都是false

　　　　3）CollationField 参见 https://cwiki.apache.org/confluence/display/solr/Language+Analysis#LanguageAnalysis-UnicodeCollation

4）CurrencyField 支持货币及汇率。

　　　　5）DateRangeField 日期

　　　　6）ExternalFileField 从硬盘上的某个文件获取值

　　　　7）EnumField 允许定义一组枚举值，用于对不能根据字母或数值排序的字段进行排序。

　　<fieldType name="priorityLevel" class="solr.EnumField" enumsConfig="enumsConfig.xml" enumName="priority" />

　　enumsConfig的值是枚举值的配置文件。enumsConfig.xml 示例：

　　　　　　<?xml version="1.0" ?>

　　　　　　<enumsConfig>

　　　　　　　　<enum name="priority"><!-- 上面<fieldType> 里的enumName的值 -->

　　　　　　　　　　<value>Low</value>

　　　　　　　　　　<value>Medium</value>

　　　　　　　　　　<value>High</value>

　　　　　　　　</enum>

　　　　　　　　<enum name="risk"> ... 其它一些枚举名及其值列表  ...</enum>

　　　　　　</enumsConfig>

　　　　8）ICUCollationField 参见 https://cwiki.apache.org/confluence/display/solr/Language+Analysis#LanguageAnalysis-UnicodeCollation

　　　　9）LatLonPointSpatialField 经纬度。用于空间搜索。通常表示为"lat,lon"

　　　　10）PointType 单值多维度点值。个人理解是指坐标值，比如二维或二维坐标。

　　　　11）PreAnalyzedField 参见 https://cwiki.apache.org/confluence/display/solr/Working+with+External+Files+and+Processes#WorkingwithExternalFilesandProcesses-ThePreAnalyzedFieldType

　　　　12）RandomSortField 不包含值。在此类型的字段上排序，将会返回随机的排序结果。

　　　　13）SpatialRecursivePrefixTreeFieldType 接受"latitue,logitude"格式的字符串或WKT格式。完全不明白是啥。

　　　　14）StrField UTF-8或Unicode的字符串。用于较小的字段，并且不被切分或分析（个人理解：此字段的值不会被拆分，被做为一个整体进行索引）。限制小于32K

　　　　15）TextField

　　　　16）TrieDateField, TrieDoubleField, TrieFloatField, TrieIntField, TrieLongField 见下面的说明

　　　　17）DatePointField, DoublePointField, FloatPointField, IntPointField, LongPointField 见下面的说明

　　　　18）UUIDField 定义一个document的唯一值。官方文档提到在SolrCloud环境下，不能保证唯一性，不建议使用，推荐使用UUIDUpdateProcessorFactory去生成UUID。

另外，在solr给的sample文件里，对于数值类型，定义了如下三个fieldType（以int为例）：

a). <fieldType name="pint" class="solr.IntPointField" docValues="true" />

b). <fieldType name="int" class="solr.TrieIntField" docValues="true" precisionStep="0" positionIncrementGap="0"/>

c). <fieldType name="tint" class="solr.TrieIntField" docValues="true" precisionStep="8" positionIncrementGap="0"/>

对于a)，对于数值类型的field，索引时使用KD-trees。 sample文件里提到要比 Trie*Field更快更高效，但是不支持某些特性。并未说明不支持哪些特性，所以并不推荐使用

对于b)，通常用于确定性搜索，比如要搜索年龄是18的人。

对于c)，用于范围搜索，比如要搜索某个年龄段的人。

也就是说，我们如果要对某项数据（比如人的信息，其中包含年龄字段）进行索引，一个人有唯一的年龄值，但是我们搜索的时候，可能需要进行确定年龄的搜索和年龄段的搜索，那么我们就需要定义两个年龄相关的field，其中一个field的fieldType为int，另一个field的fieldType为tint。

对 precisionStep 的一些说明：

比如 单个车的价格是不一样的，我们通常会查询某个价格范围内的车子信息。假设所有车辆价格范围是1万~1000万，为了加快查询速度，会把这个价格区间划分为几个区间进行索引。precisionStep的值差不就是划分为多少个区间的意思。

下一篇

Solr 6.7学习笔记（02）-- 配置文件 managed-schema (schema.xml) - Analyzer, tokenizer（4）