全文检索 -- Solr从概念到实战（一）

 

全文检索：

将整个文本进行“分词”处理，在索引库中为分词得到的每一个词都建立索引，和用户搜索的关键词进行匹配。实现快速查找效果。

传统sql语句实现的局限性：

select song_id,song_name,song_singer,song_album

from table_song

where song_name like “%神话%” or song_album like “%神话%” or song_lyric like “%神话%”

效率低，影响性能。

数据库使用索引有无的区别：

i. 不使用索引

从字典中查“王”：从正文的第一页开始，逐页检查，看当前页中是否有“猪”这个字。要是没有再翻下一页。

ii. 使用索引

从字典中查“王”：先根据这个字的拼音或偏旁部首在“检字表”中找到这个字所在的页码，例如是857页，然后直接翻到857页，找到这个字。

全文检索技术：

Lucene和solr

索引库的结构：

索引库中的内容并不是一张完整的数据库表，因为有些内容在查询结果列表中不显示，所以不需要放在索引库中。

字段域的创建：

常用类型：

1. IntField
2. StringField
3. TextField

分词的概念

 

把一句话/一篇文章拆分成一个一个单个的词，并在内部统计每个词出现的频率，以此为依据进行后续的查询搜索。

 

Good morning lily

[good]

[morning]

[lily]

我爱炒鸡蛋

[我]       [我]

[爱]       [爱]

[炒]       [炒鸡蛋]

[鸡蛋]

 

不分词的例子：“地址”字段中的“深圳”数据就不需要分词。不分词的字符串类型就使用StringField，分词的字符串就使用TextField。

 

建立索引

在索引库内部，将一个具体的索引值和文档中分词的结果关联起来，在搜索时使用索引可以快速定位到对应的词，进而快速定位到词所在的文档。

只有需要和搜索关键词匹配的字段才需要建立索引。

需要建立索引的字段例子：根据“神话”这个关键词搜索“song_name”字段中“神话”这条记录。

不需要建立索引的字段的例子：图片的路径/aaa/bbb/ccc/pic10.png所在的picture_path字段不需要建立索引。

 

字段的相关属性

1. 数据类型：int、double、字符串等等

2. 是否分词

   1. 要分词：包含很多词的一句话
   2. 不分词：分词之后失去本来的含义

3. 是否建立索引

   1. 要建立索引：用户会根据关键词搜索这个字段
   2. 不建立索引：用户不会根据关键词搜索这个字段

4. 是否存储

   1. 要存储：在查询结果列表中要显示，或会用到

   2. 不存储：在查询结果列表中不显示也不会用到