solr searching 过程解析

翻译自 Apache Solr Reference Guide 

 

solr提供了一个十分灵活，可拓展的搜索特性，当我们发送一个请求的时候，一个search query 被一个叫做requst handler处理，solr提供许多类型的request handler，有的是为了处理搜索请求的，还有一些设计成帮助管理请求的。

 

能够处理搜索请求的request handler叫做 query parser，不同的query parser支持不同的特性，solr包含一个标准的（LUCENE）和 拓展的DISMAX， 标准的能获得更好的准确性，DISMAX容错能力比较强。

 

一般而言，一个query parser的输入包含如下几个部分：

搜索字符串

一些参数微调field，或者剔除一些无关内容

一些参数控制responce的展现形式

 

这里有一个facet的概念，facet可以看成是一个目录，相当于组织数据的一个维度，在每一个目录中，facet constrain表示solr汇报相关的搜索结果，faceting方便用户查看比如在一些电影网站查看搜索结果。

 

solr的一个组件叫做 response writer组织返回的展现，比如XML response writer  和  JSON response writer.

 

相关性：

相关性是衡量一个结果对于这个用户的满足程度。

相关性的好坏取决于不同的环境，比如一个搜索服务，里面有天气的数据，一个大学的研究者试图研究气象的变化，一个农民倾向于知道什么时候是冬天的第一场雪，一个大学的学生更加倾向于什么时候放假，不同动机的用户自然相关性也会差别非常大。

如何全面的评判一个搜索的相关性，在不同的应用会有巨大差距，比如搜一张票据，和找一个蛋糕的配方会有巨大差距，所以在配置solr的时候，你得权衡好及时性和易用性。

关于相关性有两个概念：

 

Precision 准确率：返回的结果中相关结果的百分比

 Recall 召回率：返回的相关结果占有所有相关结果的百分比

用好这两个概念，有可能量化相关性的结果，一个牛逼的系统能够有100%的召回率和100%的准确率，返回给系统的结果全是相关的，没有其他乱七八糟的，但是在真实的系统中，我们是在一定数量的结果中讨论这件事，比如说10个结果。

 

以下几点可以考虑在配置相关性中：

1. 使用用户的需求，比如要求易用，极快的响应速度，对信息准确性要求高

2. 考虑category的使用

3. 文档内在的相关性，一个官方的或者FAQ的结果应该排在上面。

4.  考虑文档的年龄，是否需要越新越靠前