codecamp

如何使用DocValues

DocValues 是一种在内部记录字段值的方法,与传统的索引相比,对于某些用途(如排序和 faceting)更高效。

为什么使用 DocValues?

Solr 建立索引的标准方式是倒排索引。这种风格生成了索引中所有文档中的术语列表,每个术语旁边是该术语出现的文档列表(以及该文档中出现的术语的次数)。这使得搜索速度非常快 - 因为用户按照术语进行搜索,具有 term-to-document 值的现成列表使查询过程更快。

对于我们现在通常与搜索关联的其他功能,如排序,faceting 和突出显示,此方法效率不高。例如,faceting 引擎必须查看每个文档中出现的每个术语、这些术语将组成结果集并提取文档 ID 以生成 faceting 列表。在 Solr 中,这被保存在内存中,并且可能加载缓慢(取决于文档数量、术语等)。

在 Lucene 4.0 中,引入了一种新的方法。DocValue 字段现在是面向列的字段,document-to-value 映射在索引时生成。这种方法有望减轻 fieldCache 的一些内存需求,并且可以更快地查找 faceting,排序和分组。

启用 DocValues

要使用 docValues,只需要为将要使用的字段启用它。与所有架构设计一样,您需要定义一个字段类型,然后使用 docValues 启用该类型的字段。所有这些行动都是在 schema.xml 中完成。

为 docValues 启用一个字段只需要添加 docValues="true" 到字段(或字段类型)的定义,就像来自这个例子中 Solr 的 sample_techproducts_configs 配置集合 schema.xml 一样:

<field name="manu_exact" type="string" indexed="false" stored="false" docValues="true" />

如果您已经将索引数据编入了 Solr 索引中,则需要在更改 schema.xml 中的字段定义后为您的内容重新编制索引,以便成功使用 docValues。

DocValues 只适用于特定的字段类型。选择的类型决定了将使用的底层 Lucene docValue 类型。可用的 Solr 字段类型为:

  • StrField 和 UUIDField:如果该字段是单值(即多值为 false),则 Lucene 将使用该 SORTED 类型。如果该字段是多值的,Lucene 将使用该 SORTED_SET 类型。
  • BoolField:如果该字段是单值(即多值为 false),则 Lucene 将使用该 SORTED 类型。如果该字段是多值的,Lucene 将使用该 SORTED_BINARY 类型。
  • 任何 *PointField 数字或日期字段、EnumFieldType 和 CurrencyFieldType:如果该字段是单值(即多值为 false),则 Lucene 将使用该 NUMERIC 类型。如果该字段是多值的,Lucene 将使用该 SORTED_NUMERIC 类型。
  • 任何不建议使用的 Trie* 数字或日期字段、EnumField 以及 CurrencyField:如果该字段是单值(即多值为 false),则 Lucene 将使用该 NUMERIC 类型。如果该字段是多值的,Lucene 将使用该 SORTED_SET 类型。

这些 Lucene 类型与如何对值进行排序和存储相关。

还有一个额外的配置选项可用,即修改 docValuesFormat 字段类型使用的选项。默认实现是将一些东西加载到内存中,并保留在磁盘上。但是,在某些情况下,您可以选择指定一个替代的 DocValuesFormat 实现。例如,您可以选择通过指定 docValuesFormat="Memory" 字段类型来将所有内容都保存在内存中:

<fieldType name="string_in_mem_dv" class="solr.StrField" docValues="true" docValuesFormat="Memory" />

请注意,该 docValuesFormat 选项可能会在将来的版本中更改。

Lucene 索引向后兼容只支持默认编解码器。如果您选择在 schema.xml 中自定义 docValuesFormat,则升级到未来版本的 Solr 可能要求您切换回默认的编码解码器并优化索引, 以便在升级之前将其重写为默认编码解码器, 或重新构建整个升级后从头开始索引。

使用 DocValues

排序,Faceting 和功能

如果 docValues="true",则在字段用于排序、faceting 或函数查询时, docValues 将自动被使用。

在搜索过程中检索 DocValues

在搜索查询期间检索的字段值通常从存储的值中返回。但是,当所有字段(或模式匹配 globs)被指定返回(例如“fl = *”)用于搜索查询时,non-stored docValues 字段也将与其他存储字段一起返回,取决于每个字段 useDocValuesAsStored 参数的有效值。对于架构版本> = 1.6,隐式默认值为useDocValuesAsStored="true"。有关更多详细信息,请参阅字段类型定义和属性和定义字段。

当 useDocValuesAsStored="false" 时,non-stored DocValues 字段仍然可以通过 fl 参数中的名字明确请求,但不会匹配 glob 模式("*")。请注意,在查询时返回 DocValues 以及“常规”存储字段具有性能影响,因为存储的字段可能并不是因为 DocValue 是列式的,因此可能会为每个返回的文档产生额外的成本检索。另请注意,在从 DocValues 返回 non-stored 字段时,多值字段的值将按排序顺序(而不是插入顺序)返回。如果您需要在原始插入顺序中返回多值字段,请将您的多值字段存储(如此更改需要重新编制索引)。

在查询返回的情况下,只有 docValues 字段的性能可能会提高,因为返回的存储字段需要磁盘读取和解压缩,而返回 fl 列表中的 docValues 字段只需要访问内存。

从 docValues 表单中检索字段(使用 / export 处理程序、流式表达式或在 fl 参数中请求字段时),则必须理解常规存储字段和 docValues 字段之间的两个重要区别:

  1. 订单不被保留。为了简单地检索存储的字段,插入顺序是返回顺序。对于 docValues,这是排序顺序。
  2. 对于使用 SORTED_SET 的字段类型,将多个相同的条目合并为一个值。因此,如果插入值 4,5,2,4,1,则回报将是 1,2,4,5。
Solr如何收集碎片
Solr无架构模式
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

SolrCloud

SolrCloud配置和参数

如何使用AsciiDoc

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }