当前位置：首页 > article >正文

Solr-搜索引擎-入门到精通

article 2026/2/22 0:14:01

以下是对 Apache Solr 的简介及其常用语法的快速入门指南：

一、Solr 是什么？

• 核心定位：Apache Solr 是一个基于 Lucene 的高性能、开源的搜索平台，支持全文检索、分词、高亮、聚合统计等功能。
• 核心功能：
• 全文搜索：快速检索海量文本数据。
• 数据聚合（Facet）：统计字段分布、范围、词频等。
• 分布式架构：支持水平扩展，处理 PB 级数据。
• 实时索引：支持近实时（NRT）数据更新。
• 适用场景：电商搜索、日志分析、大数据检索、推荐系统等。

二、快速安装与启动

1. 下载与启动

# 下载 Solr（以 9.x 为例）
wget https://dlcdn.apache.org/solr/solr/9.5.0/solr-9.5.0.tgz
tar -xzf solr-9.5.0.tgz
cd solr-9.5.0# 启动 Solr（单机模式）
bin/solr start

2. 创建核心（Core）

bin/solr create -c my_core

三、常用语法示例

1. 基础查询（`q`）

• 搜索所有文档：

q=*:*

• 指定字段搜索：

q=title:"智能手机"

• 多条件组合（布尔逻辑）：

q=title:apple AND (category:phone OR price:[1000 TO 2000])

2. 过滤查询（`fq`）

• 过滤特定分类：

fq=category:electronics

• 范围过滤（价格 100-500）：

fq=price:[100 TO 500]

3. 排序（`sort`）

• 按价格升序，评分降序：

sort=price asc, score desc

4. 分页（`start` 和 `rows`）

• 获取第 2 页，每页 10 条：

start=10&rows=10

5. 返回字段限制（`fl`）

• 指定返回字段：

fl=id,title,price

• 包含评分和计算字段：

fl=title,price,score,sum(price,tax) as total

6. 高亮（`hl`）

• 高亮标题和内容中的关键词：

hl=true&hl.fl=title,content

7. 分组（`group`）

• 按分类分组，每组返回前 3 条：

group=true&group.field=category&group.limit=3

8. 分面统计（`facet`）

• 统计分类分布和价格区间：

facet=true
&facet.field=category
&facet.range=price
&facet.range.start=0
&facet.range.end=1000
&facet.range.gap=100

四、高级功能语法

1. 使用 eDisMax 解析器

defType=edismax
&qf=title^2 content^1          # 字段加权
&bq=in_stock:true^10           # 提升库存商品
&bf=log(sales)                 # 按销量动态加权

2. 模糊搜索与通配符

• 模糊匹配（允许 1 字符差异）：

q=applle~1

• 通配符搜索：

q=title:app*     # 匹配 "apple", "application" 等

3. 函数查询

• 按时间衰减排序：

sort=recip(ms(NOW,create_time),1,1000,1000) desc

五、最佳实践

优先使用 fq 过滤：提升性能（结果可缓存）。
限制返回字段（fl）：减少网络传输开销。
避免全通配符 *:*：大数据集下性能差。
合理配置分词器：根据业务需求定制字段的分词规则。

六、总结

Solr 是一个功能强大的搜索引擎，适用于复杂查询和大规模数据场景。掌握以上语法后，可快速实现以下操作：
• 基础搜索、过滤、排序
• 聚合统计（分面、分组）
• 动态评分与高亮
• 分布式扩展与优化

通过结合 eDisMax 解析器和函数查询，能实现更灵活的搜索排序策略！

一、常用内置函数

1. 数学函数

函数	说明	示例	应用场景
`abs(x)`	绝对值	`abs(-5)` → 5	计算误差范围
`sqrt(x)`	平方根	`sqrt(16)` → 4	数据标准化处理
`log(x)`	自然对数	`log(10)` → 2.302	平滑指数（如销量加权）
`pow(x,y)`	x 的 y 次幂	`pow(2,3)` → 8	非线性评分调整
`sum(x,y,...)`	求和	`sum(1,2,3)` → 6	多字段数值相加
`product(x,y,...)`	乘积	`product(2,3)` → 6	综合权重计算
`div(x,y)`	除法	`div(10,2)` → 5	计算单价、比率

场景示例：

商品评分加权：log(sales)*0.5 + rating*10
价格区间标准化：div(price, 100) 将价格转换为百元单位。

2. 字符串函数

函数	说明	示例	应用场景
`concat(str1,str2)`	字符串拼接	`concat("Hello","World")` → "HelloWorld"	生成复合字段
`split(str,sep)`	按分隔符拆分字符串	`split("A,B,C", ",")` → ["A","B","C"]	多标签分类统计
`substr(str,start,len)`	截取子字符串	`substr("Solr",1,2)` → "ol"	提取部分编码字段
`strdist(str1,str2,alg)`	计算字符串相似度	`strdist("apple","app", "jw")` → 0.96	模糊匹配度评分

场景示例：

地址模糊匹配：strdist(address, "北京市海淀区", "jw")
动态生成标题：concat(brand, "-", model)。

3. 日期函数

函数	说明	示例	应用场景
`now()`	当前时间	`now()` → "2024-07-30T12:00:00Z"	实时数据过滤
`ms(date1, date2)`	计算两个日期的毫秒差	`ms(now(), publish_time)` → 86400000	时间衰减排序
`dateMath(expr)`	日期运算	`dateMath(now()-1DAY)`	动态时间范围过滤

场景示例：

新闻时效性排序：recip(ms(now(), publish_time), 3.16e-11, 1, 1)
过滤最近一周数据：fq=publish_date:[NOW-7DAYS TO NOW]。

4. 条件与逻辑函数

函数	说明	示例	应用场景
`if(cond, trueVal, falseVal)`	条件判断	`if(price>100, "高价", "低价")`	动态分类标记
`exists(field)`	判断字段是否存在	`exists(description)` → 1 或 0	过滤缺失关键字段的文档
`and(x,y)` / `or(x,y)`	逻辑与/或	`and(in_stock, price<100)`	组合布尔条件

场景示例：

促销商品标识：if(is_promotion, "促销中", "无促销")
过滤无效商品：fq=exists(image_url)。

二、聚合函数（Faceting）

Solr 的聚合统计通过 Facet 实现，核心函数如下：

聚合类型	说明	示例	应用场景
`count`	统计文档数	`facet.field=category`	按分类统计商品数量
`sum`	求和	`facet.query=sum(sales)`	计算总销售额
`avg`	平均值	`facet.query=avg(price)`	计算平均价格
`min` / `max`	最小值/最大值	`facet.query=min(price)`	价格区间分析
`unique`	唯一值计数（基数统计）	`facet.query=unique(user_id)`	统计独立访问用户数
`range`	按范围分组统计	`facet.range=price&facet.range.start=0&...`	价格区间分布统计

场景示例：

电商数据分析：

bashfacet=true
&facet.field=category
&facet.query=sum(sales)
&facet.range=price
&facet.range.start=0
&facet.range.end=1000
&facet.range.gap=100

输出结果：

- 各分类商品数
- 总销售额
- 价格在 0-100、100-200 等区间的商品数量。

三、高级应用场景

1. 综合评分排序（电商搜索）

bashq=手机&
defType=edismax&
qf=title^2 brand^1&
bf=product(log(sales), recip(price,1,1000,1000))&
fl=title,price,sales,score

效果：销量高且价格低的商品排名更靠前。

2. 时间衰减排序（新闻推荐）

bashq=科技&
bf=recip(ms(NOW,publish_time), 3.16e-11, 1, 1)&
fl=title,publish_time,score

效果：新发布的新闻优先展示。

3. 动态价格分段统计（数据分析）

bashfacet.range=price&
facet.range.start=0&
facet.range.end=1000&
facet.range.gap=100&
facet=on

效果：统计不同价格区间的商品数量（0-100元、100-200元等）。

四、最佳实践

优先使用 fq 过滤数据：提升聚合性能。
避免复杂函数嵌套：如 sqrt(log(div(x,y))) 可能影响性能。
合理选择聚合粒度：范围查询（facet.range）的间隔（gap）不宜过小。
结合缓存机制：对高频聚合查询启用结果缓存。

日期查询【最近七天】：

在 Solr 中，日期范围查询的正确语法应使用 **NOW 和日期数学表达式**，而不是 date_math 函数。以下是修复后的语法及详细说明：

正确语法

bashcreate_time:[NOW-7DAYS TO NOW]

或（更严谨的格式，指定时间单位）：

bashcreate_time:[NOW-7DAYS/DAY TO NOW/DAY]  # 精确到天的范围

语法说明

1. 核心规则

**NOW**：表示当前时间（UTC 时区）。
**-7DAYS**：日期数学表达式，向前推 7 天。
**[start TO end]**：闭区间范围（包含边界值）。
**/DAY**：将时间截断到天级别（可选，用于对齐日期边界）。

2. 动态时间计算

表达式	含义	示例值（假设当前为 `2024-07-30` ）
`NOW-7DAYS`	7 天前的当前时刻	`2024-07-23T12:00:00Z`
`NOW-7DAYS/DAY`	7 天前的零点（UTC）	`2024-07-23T00:00:00Z`
`NOW/DAY`	当前日期的零点（UTC）	`2024-07-30T00:00:00Z`

3. URL 转义

在 HTTP 请求中需转义特殊字符（如 [, ], /）：

bash# 实际请求示例（注意转义方括号和斜杠）
q=create_time:%5BNOW-7DAYS%20TO%20NOW%5D

完整示例

场景：查询最近 7 天内创建的数据

bashhttp://localhost:8983/solr/your-core/select?
q=*:*&
fq=create_time:[NOW-7DAYS TO NOW]&
fl=id,create_time

结果

json{"response": {"docs": [{ "id": "1", "create_time": "2024-07-25T08:30:00Z" },{ "id": "2", "create_time": "2024-07-28T15:45:00Z" }]}
}

常见问题

1. 时区问题

Solr 默认使用 UTC 时区，若数据存储为本地时间（如 CST），需转换时区：

bashcreate_time:[NOW-7DAYS+8HOURS TO NOW+8HOURS]  # 假设数据为 UTC+8 时区

2. 字段类型

确保 create_time 字段类型为 Solr 日期类型（如 date 或 datePoint）。

3. 精确时间对齐

若需按天过滤（忽略时分秒），使用截断语法：

bashcreate_time:[NOW-7DAYS/DAY TO NOW/DAY]

等价于：

bashcreate_time:[2024-07-23T00:00:00Z TO 2024-07-30T00:00:00Z]

进阶用法

动态时间范围

结合参数化请求（如 $__time 占位符）：

bashcreate_time:[$__time-7DAYS TO $__time]

通过此语法，你可以精准筛选出指定时间范围内的文档，避免语法错误！

bq bf q^的区别

在 Solr 中，bq（Boost Query）、bf（Boost Function）和 q 中的 ^ 字段加权都能影响文档评分，但它们的机制和应用场景有本质区别。以下是详细对比和场景指南：

一、核心区别

功能	`q` 字段加权 (`title^2` )	`bq`	`bf`
作用阶段	主查询的匹配评分计算阶段	主查询后，添加额外查询条件并加权	主查询后，通过函数动态调整评分
评分机制	直接影响字段的匹配得分（TF-IDF 等）	独立计算附加条件的得分，再叠加到总分	根据函数计算结果直接调整总分
适用场景	简单字段优先级调整	复杂逻辑的条件加权（如促销、库存）	动态数值计算（如时间衰减、销量加权）
语法灵活性	仅支持字段加权	支持完整 Lucene 查询语法	支持 Solr 函数表达式

二、使用场景对比

1. `q` 中的字段加权 (`title^2`)

场景：明确提升某个字段的匹配权重。
示例：

bashq=title:apple^2 content:apple

- title 字段匹配 "apple" 的得分是 content 的 2 倍。

2. `bq`（Boost Query）

场景：基于额外条件（如库存状态、分类）提升评分。
示例：

bashq=title:apple&bq=in_stock:true^10

- 主查询匹配 "apple"，库存为 true 的文档总分额外增加 10 倍。

3. `bf`（Boost Function）

场景：根据动态数值（如时间、销量）调整评分。
示例：

bashq=title:apple&bf=log(sales)^2

- 销量越高的文档，评分提升越多（按对数计算）。

三、为什么需要 `bq` 和 `bf`？

1. 解决 `q` 字段加权的局限性

无法处理复杂条件：
q 中的 ^ 仅能加权字段匹配得分，而 bq 可以附加任意查询条件（如 in_stock:true AND price<100）。
无法动态计算评分：
bf 支持数学函数（如时间衰减 recip(ms(NOW,date))），直接操作评分值。

2. 提升灵活性和性能

独立评分叠加：
bq 和 bf 的评分独立于主查询，可复用缓存结果（如 fq 过滤后的文档集）。
解耦业务逻辑：
将主查询（相关性匹配）与业务规则（如促销优先级）分离，便于维护。

四、为什么需要 eDisMax？

1. 扩展 DisMax 的局限性

DisMax 不足：

- 不支持通配符 (*)、模糊搜索 (~)、布尔逻辑 (AND/OR)。
- 无法使用 bq 和 bf 等高级功能。

eDisMax 增强：

- 支持所有 DisMax 功能 + 通配符、模糊搜索、函数查询。
- 允许更复杂的评分策略（bq/bf）。

2. 典型场景

电商搜索：

bashdefType=edismax
q=apple watch
qf=title^2 content^1
bq=is_promotion:true^100
bf=log(sales)^2

- 主查询匹配关键词，促销商品和高销量商品优先排序。

五、推荐使用策略

优先使用 qf + ^：
明确提升关键字段的匹配权重（如 title 比 content 更重要）。
复杂条件用 bq：
需要组合多个字段或业务规则时（如 in_stock:true AND category:electronics）。
动态计算用 bf：
依赖数值、时间等动态因素时（如新发布的文档优先）。
始终选择 eDisMax：
除非明确需要 DisMax 的极简功能，否则优先使用 eDisMax 的扩展能力。

六、总结

**q 字段加权**：简单直接，适合基础相关性优化。
**bq**：灵活添加业务规则，适合条件叠加。
**bf**：动态数值计算，适合时间、销量等场景。
eDisMax：功能全面，是复杂搜索场景的首选解析器。

分面分组的区别

一句话总结：
• 分面：统计字段分布（如分类数量统计）
• 分组：按字段将文档归类（如按作者显示所有文章）

1. 分面（Faceting）

作用：统计字段值的分布情况。
示例：统计商品分类的数量

q=*:*&  
facet=true&  
facet.field=category

返回结果：

"facet_counts": {  "category": {  "electronics": 120,  "books": 80,  "clothing": 200  }  
}

2. 分组（Grouping）

作用：按字段将文档分组，每组显示指定数量的文档。
示例：按作者分组显示文章（每组最多3篇）

q=*:*&  
group=true&  
group.field=author&  
group.limit=3

返回结果：

"groups": {  "author": {  "groups": [  {  "groupValue": "张三",  "doclist": [{文章1}, {文章2}, {文章3}]  },  {  "groupValue": "李四",  "doclist": [{文章A}, {文章B}]  }  ]  }  
}

eDisMax vs DisMax的区别

一句话总结：
• DisMax：基础版，支持简单字段加权，不支持通配符/模糊搜索。
• eDisMax：增强版，支持通配符/模糊搜索/布尔逻辑，推荐优先使用。

1. DisMax 示例

q=apple watch&  
defType=dismax&  
qf=title^2 content

结果：
• 搜索 title 或 content 中的 "apple watch"。
• 不支持 apple* 或 apple~ 等语法。

2. eDisMax 示例

q=(apple OR samsung) AND phone~2&  
defType=edismax&  
qf=title^3 brand

结果：
• 搜索 "apple" 或 "samsung"，且包含 "phone"（允许2个字符差异）。
• 支持通配符（app*）、模糊搜索（phone~2）、布尔逻辑（AND/OR）。

三、对比总结

功能	分面（Faceting）	分组（Grouping）	DisMax	eDisMax
核心用途	统计字段分布	按字段归类文档	简单多字段搜索	高级搜索（通配符/模糊）
返回形式	统计数值（如数量）	按组返回文档列表	普通文档列表	普通文档列表
典型场景	商品分类数量统计	按作者显示所有文章	基础搜索框	复杂搜索（电商/日志）
是否改结构	不改结构，只加统计	改变结构，分组展示	-	-

一句话选型：
• 需要统计字段分布 → 分面
• 需要按字段归类文档 → 分组
• 需要通配符/模糊搜索 → eDisMax

一、Solr 是什么？

二、快速安装与启动

1. 下载与启动

2. 创建核心（Core）

三、常用语法示例

1. 基础查询（q）

2. 过滤查询（fq）

3. 排序（sort）

4. 分页（start 和 rows）

5. 返回字段限制（fl）

6. 高亮（hl）

7. 分组（group）

8. 分面统计（facet）

四、高级功能语法

1. 使用 eDisMax 解析器

2. 模糊搜索与通配符

3. 函数查询

五、最佳实践

六、总结

一、常用内置函数

1. 数学函数

2. 字符串函数

3. 日期函数

4. 条件与逻辑函数

二、聚合函数（Faceting）

三、高级应用场景

1. 综合评分排序（电商搜索）

2. 时间衰减排序（新闻推荐）

3. 动态价格分段统计（数据分析）

四、最佳实践

日期查询【最近七天】：

正确语法

语法说明

1. 核心规则

2. 动态时间计算

3. URL 转义

完整示例

场景：查询最近 7 天内创建的数据

结果

常见问题

1. 时区问题

2. 字段类型

3. 精确时间对齐

进阶用法

动态时间范围

bq bf q^的区别

一、核心区别

二、使用场景对比

1. q 中的字段加权 (title^2)

2. bq（Boost Query）

3. bf（Boost Function）

三、为什么需要 bq 和 bf？

1. 解决 q 字段加权的局限性

2. 提升灵活性和性能

四、为什么需要 eDisMax？

1. 扩展 DisMax 的局限性

2. 典型场景

五、推荐使用策略

六、总结

分面分组的区别

1. 分面（Faceting）

2. 分组（Grouping）

eDisMax vs DisMax的区别

1. DisMax 示例

2. eDisMax 示例

三、对比总结

相关文章：

1. 基础查询（`q`）

2. 过滤查询（`fq`）

3. 排序（`sort`）

4. 分页（`start` 和 `rows`）

5. 返回字段限制（`fl`）

6. 高亮（`hl`）

7. 分组（`group`）

8. 分面统计（`facet`）

1. `q` 中的字段加权 (`title^2`)

2. `bq`（Boost Query）

3. `bf`（Boost Function）

三、为什么需要 `bq` 和 `bf`？

1. 解决 `q` 字段加权的局限性