光之誓约：奥术回响 - 职业平衡公告站

搜索是Solr的核心功能，掌握搜索原理和查询语法是构建高效搜索应用的关键。

搜索处理流程搜索组件架构12345678910111213用户查询 ↓请求处理器 (Request Handler) ↓查询解析器 (Query Parser) ↓查询执行引擎 ↓结果排序和过滤 ↓响应格式化 (Response Writer) ↓返回结果给用户

核心搜索组件1. 请求处理器（Request Handler）定义搜索查询的处理逻辑：

12345678 explicit 10 text

2. 查询解析器（Query Parser）将查询字符串转换为可执行的查询对象：

Standard/Lucene Parser：精确控制，支持完整Lucene语法

DisMax Parser：用户友好，容错性好

Extended DisMax (eDisMax)：功能增强的DisMax

查询解析器详解1. Standard Query Parser最基础的查询解析器，支持完整的Lucene查询语法：

基本语法123456789101112131415161718# 单词搜索q=solr# 字段搜索q=title:搜索引擎# 短语搜索q="apache solr"# 通配符搜索q=solr*q=?olr# 模糊搜索q=solr~0.8# 接近搜索q="apache solr"~2

布尔操作符1234567891011121314151617# AND操作q=apache AND solrq=apache && solr# OR操作q=apache OR elasticsearchq=apache || elasticsearch# NOT操作q=apache NOT elasticsearchq=apache -elasticsearch# 必须包含(+)和必须不包含(-)q=+apache +solr -elasticsearch# 分组q=(apache OR solr) AND search

字段查询1234567891011121314# 指定字段搜索q=title:搜索 AND content:Solr# 多字段查询q=title:(apache solr) OR content:(search engine)# 范围查询q=price:[10 TO 100] # 包含边界q=price:{10 TO 100} # 不包含边界q=date:[2024-01-01T00:00:00Z TO NOW]# 数值范围q=rating:[4 TO *] # 4分以上q=price:[* TO 100] # 100以下

2. DisMax Query Parser设计为用户友好的查询解析器：

1234567891011# 基本配置curl "http://localhost:8983/solr/mycollection/select" -d '{ "query": "apache solr", "params": { "defType": "dismax", "qf": "title^2.0 content^1.0 tags^1.5", "pf": "title^3.0", "mm": "75%" }}'

关键参数说明123456789101112131415# qf (Query Fields): 搜索字段及权重qf=title^2.0 content^1.0 author^0.5# pf (Phrase Fields): 短语搜索字段pf=title^3.0 content^1.5# mm (Minimum Match): 最少匹配词条数或百分比mm=2 # 至少匹配2个词mm=75% # 至少匹配75%的词# bf (Boost Functions): 函数加权bf=recip(ms(NOW,publish_date),3.16e-11,1,1)# bq (Boost Query): 查询加权bq=category:hot^2.0

3. Extended DisMax (eDisMax)功能最强大的查询解析器：

123456789101112# 支持完整的查询语法curl "http://localhost:8983/solr/mycollection/select" -d '{ "query": "title:(apache OR solr) AND -elasticsearch", "params": { "defType": "edismax", "qf": "title^2.0 content^1.0", "pf": "title^3.0", "mm": "50%", "tie": "0.1" }}'

eDisMax特有功能123456789101112# 用户查询字段（uf）：允许用户指定搜索字段uf=title content tags# 短语距离（ps）：短语中词条的最大距离ps=2# 二元短语倾斜（ps2）和三元短语倾斜（ps3）ps2=1ps3=2# 联结参数（tie）：控制多字段匹配的分数计算tie=0.1

查询参数详解基本查询参数12345678910111213141516171819# q: 主查询q=apache solr# fq: 过滤查询（不影响评分）fq=category:technologyfq=price:[10 TO 100]fq=publish_date:[2024-01-01T00:00:00Z TO NOW]# fl: 返回字段列表fl=id,title,author,score# rows: 返回结果数量rows=20# start: 结果起始位置（分页）start=0# sort: 排序sort=score desc, publish_date desc

高级查询参数12345678910111213# wt: 响应格式wt=json # JSON格式（默认）wt=xml # XML格式wt=csv # CSV格式# indent: 格式化输出indent=true# debugQuery: 调试信息debugQuery=true# timeAllowed: 查询超时时间（毫秒）timeAllowed=5000

高级搜索功能1. 分面搜索（Faceting）提供搜索结果的分类统计：

12345678910111213141516171819# 字段分面curl "http://localhost:8983/solr/mycollection/select" -d '{ "query": "*:*", "facet": { "categories": { "type": "terms", "field": "category", "limit": 10 }, "price_ranges": { "type": "range", "field": "price", "start": 0, "end": 1000, "gap": 100 } }}'

2. 高亮显示（Highlighting）突出显示搜索词在结果中的位置：

1234567891011curl "http://localhost:8983/solr/mycollection/select" -d '{ "query": "apache solr", "params": { "hl": "true", "hl.fl": "title,content", "hl.simple.pre": "", "hl.simple.post": "", "hl.fragsize": 200 }}'

3. 搜索建议（Suggester）提供查询自动完成和拼写纠正：

12345# 自动完成curl "http://localhost:8983/solr/mycollection/suggest?suggest=true&suggest.dictionary=mySuggester&suggest.q=ap"# 拼写检查curl "http://localhost:8983/solr/mycollection/spell?q=apachy&spellcheck=true&spellcheck.build=true"

4. 更多相似（More Like This）基于文档相似性生成相关查询：

1curl "http://localhost:8983/solr/mycollection/mlt?q=id:doc1&mlt.fl=title,content&mlt.count=5"

5. 结果聚类（Clustering）根据发现的相似性对结果进行分组：

1curl "http://localhost:8983/solr/mycollection/clustering?q=*:*&clustering=true&clustering.engine=lingo"

查询优化技巧1. 查询性能优化使用过滤查询12345# 好的做法：使用fq进行过滤（可缓存）q=apache solr&fq=category:technology&fq=year:2024# 不好的做法：在主查询中包含过滤条件q=apache solr AND category:technology AND year:2024

限制返回字段12345# 只返回需要的字段fl=id,title,score# 避免返回大文本字段fl=id,title,summary,-content

合理设置结果数量12345# 避免请求过多结果rows=20 # 而不是rows=1000# 使用深度分页游标cursorMark=* # 用于大结果集分页

2. 相关性优化字段权重设置12345# DisMax中设置字段权重qf=title^3.0 content^1.0 tags^2.0 author^0.5# 根据业务重要性调整权重qf=product_name^5.0 description^1.0 brand^2.0

函数查询增强12345678# 基于时间的衰减函数bf=recip(ms(NOW,publish_date),3.16e-11,1,1)# 基于流行度的增强bf=log(popularity)# 组合多个因子bf=product(popularity,recip(ms(NOW,date),3.16e-11,1,1))

3. 缓存优化过滤查询缓存12

查询结果缓存1

实际应用示例1. 电商产品搜索12345678910111213141516171819202122232425262728293031323334curl "http://localhost:8983/solr/products/select" -d '{ "query": "笔记本电脑", "params": { "defType": "edismax", "qf": "product_name^3.0 description^1.0 brand^2.0 category^1.5", "pf": "product_name^5.0", "mm": "75%" }, "filter": [ "in_stock:true", "price:[500 TO 5000]", "category:electronics" ], "facet": { "brands": { "type": "terms", "field": "brand", "limit": 10 }, "price_ranges": { "type": "range", "field": "price", "start": 0, "end": 10000, "gap": 1000 } }, "params": { "hl": "true", "hl.fl": "product_name,description", "sort": "score desc, popularity desc" }}'

2. 内容管理搜索1234567891011121314151617181920212223242526272829303132curl "http://localhost:8983/solr/articles/select" -d '{ "query": "人工智能 机器学习", "params": { "defType": "edismax", "qf": "title^4.0 content^1.0 tags^2.0 author^0.5", "pf": "title^6.0 content^1.5", "mm": "50%", "bf": "recip(ms(NOW,publish_date),3.16e-11,1,1)" }, "filter": [ "status:published", "publish_date:[2023-01-01T00:00:00Z TO NOW]" ], "facet": { "authors": { "type": "terms", "field": "author", "limit": 5 }, "categories": { "type": "terms", "field": "category", "limit": 10 }, "by_month": { "type": "date_histogram", "field": "publish_date", "interval": "+1MONTH" } }}'

3. 地理位置搜索12345678910111213141516curl "http://localhost:8983/solr/locations/select" -d '{ "query": "咖啡店", "params": { "defType": "edismax", "qf": "name^2.0 description^1.0 tags^1.5" }, "filter": [ "{!geofilt pt=39.9042,116.4074 sfield=location d=5}", "rating:[4 TO *]" ], "params": { "sort": "geodist() asc, rating desc", "fl": "name,rating,distance:geodist()" }}'

调试和分析1. 查询调试12# 启用调试信息curl "http://localhost:8983/solr/mycollection/select?q=apache&debugQuery=true"

调试信息包括：

查询解析结果

评分详情

时间统计

其他诊断信息

2. 查询分析12345# 分析字段处理curl "http://localhost:8983/solr/mycollection/analysis/field?analysis.fieldname=title&analysis.fieldvalue=Apache Solr搜索"# 查看查询计划curl "http://localhost:8983/solr/mycollection/select?q=apache&debug=query"

3. 性能监控12345# 查询性能统计curl "http://localhost:8983/solr/admin/metrics?group=core&prefix=QUERY"# 缓存统计curl "http://localhost:8983/solr/admin/mbeans?cat=CACHE&stats=true"

最佳实践1. 查询设计

明确需求：理解用户搜索意图和业务需求

选对解析器：根据场景选择合适的查询解析器

优化字段权重：基于业务重要性设置字段权重

合理使用过滤：使用fq进行不影响评分的过滤

2. 性能优化

缓存策略：合理配置各类缓存

查询复杂度：避免过于复杂的查询

结果限制：合理设置返回结果数量

监控分析：持续监控查询性能

3. 用户体验

容错处理：处理拼写错误和模糊查询

搜索建议：提供自动完成和相关建议

结果展示：合理使用高亮和摘要

响应速度：优化查询响应时间

总结Solr搜索功能的关键要点：

理解组件：掌握请求处理器、查询解析器的作用

熟练语法：掌握不同查询解析器的语法和特性

善用功能：利用分面、高亮等高级功能提升用户体验

持续优化：通过监控和调试不断优化搜索性能

通过深入理解这些概念，您将能够构建功能强大、性能优异的搜索应用。

下一步学习

Solr教程：入门指南概览

Solr教程：练习二 - 索引Films数据和分面探索

Solr教程：高级练习 - ParamSets参数集