Solr - 分组结果错误计数

Question

我正在使用Solr分组结果。但它表现不对。

我在电子邮件字段的基础上分组。在我的数据库中，我有2行电子邮件地址“ashhaf63@hotmail.com”，但SOLR显示7147 numFound当然是错误的，应该是2。

当我尝试使用特定的电子邮件地址（例如“ashhaf63@hotmail.com”）进行分组搜索时，它会显示完美的结果，并且在numFound属性中显示2是正确的。

我相信，这是因为我的Solr架构中的字段类型，我在开始时使用了文本字段类型，但我现在已将其更改为我自己的字段类型。我已经定义了自己的字段类型，现在使用我自己的字段类型。

使用我自己的字段类型后，我面临同样的问题。

Answer 1

如果您查看分组响应，您会看到它与7147个文档相匹配，因为该组包含在其地址<str name="groupValue">hotmail</str>中包含“hotmail”的所有电子邮件，而不是整个电子邮件地址。这种行为是因为您希望将字段中的值编入索引为完整字符串，例如“ashhaf63@hotmail.com”，但是根据您的email fieldType的定义，您正在对字段值进行一些标记。这导致该字段的多个索引值。特别是在所有非字母数字字符上拆分值的StandardTokenizerFactory。因此，相同的电子邮件地址被索引为三个单独的值，“ashhaf63”，“hotmail”和“com”。

因此，我建议创建一个使用简单字符串fieldType的新字段，如下所示：

<!-- The StrField type is not analyzed, but indexed/stored verbatim. -->
<fieldType name="string" class="solr.StrField" sortMissingLast="true" />

然后创建一个这样的新字段：

<field name="emailaddress" type="string" stored="true" indexed="true"/>

然后在这个新的emailaddress字段上执行分组，该字段将对整个电子邮件地址值进行分组。