TermsComponent组件介绍

2018-11-30 15:08 更新

TermsComponent组件提供对字段中的索引词的访问以及与每个词匹配的文档数量。这对于构建 auto-suggest 功能或在 term 级别而不是搜索或文档级别操作的任何其他功能都很有用。检索索引顺序中的 term 非常快，因为实现直接使用 Lucene 的 TermEnum 来遍历术语字典。

从某种意义上说，这个搜索组件在整个索引上提供了快速的 field-faceting，不受基本查询或任何过滤器的限制。返回的文档频率是与该词匹配的文档数量，包括任何已被标记为删除但尚未从索引中删除的文档。

配置TermsComponent组件

默认情况下，TermsComponent组件已在 solrconfig.xml 针对每个集合进行了配置。

定义TermsComponent组件

定义 Term 搜索组件很简单：简单地给它一个名称并使用 solr.TermsComponent 类。

<searchComponent name="terms" class="solr.TermsComponent"/>

这使得该组件可供使用，但是直到包含在请求处理程序中才会被使用。

在请求处理程序中使用TermsComponent组件

TermsComponent 组件包含在 Solr 的现成的请求处理程序中的 /terms 请求处理程序中 - 请参阅 Implicit RequestHandlers。

请注意，此请求处理程序的默认值将参数 “terms” 设置为 true，这允许根据请求返回条件。参数 “distrib” 被设置为 false，这使得这个处理程序只能在一个 Solr 内核上使用。

如果您愿意的话，您可以将这个组件添加到另一个处理程序中，并且在 HTTP 请求中传递 “terms = true” 以获得条件。如果仅在单独的处理程序中定义它，则在查询时必须使用该处理程序，以获取条件而不是将常规文档作为结果。

TermsComponent 组件参数

以下参数允许您控制返回的 term。如果您想永久设置它们，也可以使用请求处理程序来配置其中的任何一个。或者，您可以将它们添加到查询请求中。这些参数是：

terms 参数

如果设置为true，则启用条款组件。默认情况下，条款组件处于关闭状态（false）。例： terms=true
terms.fl 参数

指定从中检索 term 的字段。如果terms=true，则该参数是必需的。例： terms.fl=title
terms.list 参数

获取逗号分隔的 term 列表的文档频率。词总是以索引顺序返回。如果terms.ttf设置为 true，则返回它们的总词频。如果定义了多个terms.fl，那么这些统计数据将在每个请求的字段中为每个词返回。

例： terms.list=termA,termB,termC
terms.limit 参数

指定要返回的最大 term 数。默认是10。如果限制设置为小于0的数字，则不执行最大限制。虽然这不是必需的，但是这个参数或者terms.upper必须被定义。

例： terms.limit=20
terms.lower 参数

指定开始的 term。如果未指定，则使用空字符串，从而导致 Solr 从字段的开始处开始。

例： terms.lower=orange
terms.lower.incl 参数

如果设置为 true，则包含下限项（在结果中指定terms.lower）。

例： terms.lower.incl=false
terms.mincount 参数

指定要返回的最小文档频率，以便将术语包含在查询响应中。结果包括小数（即 >= mincount）。

例： terms.mincount=5
terms.maxcount 参数

指定一个 term，为了包含在查询响应中而必须具有的最大文档频率。默认设置是-1，它不设置上限。结果包含 maxcount（即<= maxcount）。

例： terms.maxcount=25
terms.prefix 参数

限制匹配以指定字符串开头的 term。

例： terms.prefix=inter
terms.raw 参数

如果设置为 true，则返回索引项的原始字符，而不管其是否可读。例如，索引形式的数字是不可读的。

例： terms.raw=true
terms.regex 参数

限制符合正则表达式的条件。

例： terms.regex=.*pedist
terms.regex.flag 参数

定义一个 Java 正则表达式标志，用于计算terms.regex定义的表达式。有关每个标志的详细信息，请参见：http://docs.oracle.com/javase/tutorial/essential/regex/pattern.html。有效的选项是：
- case_insensitive
- comments
- multiline
- literal
- dotall
- unicode_case
- canon_eq
- unix_lines
  
  例： terms.regex.flag=case_insensitive
terms.stats 参数

在结果中包含索引统计信息。目前只返回一个集合的 numDocs。当与terms.list结合时它提供足够的信息来计算术语列表的逆文件频率（IDF）。
terms.sort 参数

定义如何对返回的条件进行排序。有效选项count按频率排序，首先选择最高频率，或index按索引顺序排序。

例： terms.sort=index
terms.ttf 参数

如果设置为 true，那么同时返回df（docFreq）和ttf（totalTermFreq）统计信息，在terms.list请求 term 中。在这种情况下，响应格式是：
```
<lst name="terms">
  <lst name="field">
    <lst name="termA">
      <long name="df">22</long>
      <long name="ttf">73</long>
    </lst>
  </lst>
</lst>
```
terms.upper 参数

指定要停止的术语。虽然此参数不是必需的，但是该参数或terms.limit必须定义。

例： terms.upper=plum
terms.upper.incl 参数

如果设置为 true，则结果集合中将包含上限项目。默认值是 false。

例： terms.upper.incl=true

对 term 请求的回应是 term 及其文档频率值的列表。

TermsComponent组件示例

以下所有示例查询均适用于 Solr 的 “bin / solr -e techproducts” 示例。

如何获得前10 的排序

该查询请求名称字段中的前十个 term：

http://localhost:8983/solr/techproducts/terms?terms.fl=name&wt=xml

结果如下：

<response>
  <lst name="responseHeader">
    <int name="status">0</int>
    <int name="QTime">2</int>
  </lst>
  <lst name="terms">
    <lst name="name">
      <int name="one">5</int>
      <int name="184">3</int>
      <int name="1gb">3</int>
      <int name="3200">3</int>
      <int name="400">3</int>
      <int name="ddr">3</int>
      <int name="gb">3</int>
      <int name="ipod">3</int>
      <int name="memory">3</int>
      <int name="pc">3</int>
    </lst>
  </lst>
</response>

从字母 "a" 开始获取前10 的 term

这个查询按索引顺序（而不是按文档数计算的前10个项）请求名称字段中的前十个项：

http://localhost:8983/solr/techproducts/terms?terms.fl=name&terms.lower=a&terms.sort=index&wt=xml

结果如下：

<response>
  <lst name="responseHeader">
    <int name="status">0</int>
    <int name="QTime">0</int>
  </lst>
  <lst name="terms">
    <lst name="name">
      <int name="a">1</int>
      <int name="all">1</int>
      <int name="apple">1</int>
      <int name="asus">1</int>
      <int name="ata">1</int>
      <int name="ati">1</int>
      <int name="belkin">1</int>
      <int name="black">1</int>
      <int name="british">1</int>
      <int name="cable">1</int>
    </lst>
  </lst>
</response>

SolrJ 调用

    SolrQuery query = new SolrQuery();
    query.setRequestHandler("/terms");
    query.setTerms(true);
    query.setTermsLimit(5);
    query.setTermsLower("s");
    query.setTermsPrefix("s");
    query.addTermsField("terms_s");
    query.setTermsMinCount(1);

    QueryRequest request = new QueryRequest(query);
    List<Term> terms = request.process(getSolrClient()).getTermsResponse().getTerms("terms_s");

将 TermsComponent 组件用于自动建议功能

如果 Suggester 不符合您的需求，则可以使用 Solr 中的 Terms 组件为您自己的搜索应用程序构建一个类似的功能。只需提交一个查询，指定用户键入的前缀的任何字符。例如，如果用户输入“at”，则搜索引擎的接口将提交以下查询：

http://localhost:8983/solr/techproducts/terms?terms.fl=name&terms.prefix=at&wt=xml

结果如下：

<response>
  <lst name="responseHeader">
    <int name="status">0</int>
    <int name="QTime">1</int>
  </lst>
  <lst name="terms">
    <lst name="name">
      <int name="ata">1</int>
      <int name="ati">1</int>
    </lst>
  </lst>
</response>

您可以使用参数 omitHeader=true 从查询响应中省略响应头，就像在这个例子中一样，它也以 JSON 格式返回响应：

http://localhost:8983/solr/techproducts/terms?terms.fl=name&terms.prefix=at&omitHeader=true

结果如下：

{
  "terms": {
    "name": [
      "ata",
      1,
      "ati",
      1
    ]
  }
}

分布式搜索支持

TermsComponent 也支持分布式索引。对于 /terms 请求处理程序，您必须提供以下两个参数：

shards 参数

指定分布式索引配置中的分片。有关分布式索引的更多信息，请参见使用索引分片的分布式搜索。
shards.qt 参数

指定 Solr 用于请求分片的请求处理程序。

以上内容是否对您有帮助：