Question

SOLR有一个名为Cell的模块。它使用Tika从文档中提取内容并使用SOLR对其进行索引。

从https://github.com/apache/lucene-solr/tree/master/solr/contrib/extraction的来源，我得出结论，Cell将原始提取的文本文档文本放入名为＆＃34; content＆＃34;的字段中。该字段由SOLR索引，但未存储。当您查询文档时，＆＃34;内容＆＃34;没有出现。

我的SOLR实例没有架构（我保留了默认架构）。

我尝试使用默认的%n（POST到va_start）来实现类似的行为。 POST请求：

UpdateRequestHandler

以这种方式添加文档后，内容字段将被编入索引并存储。它出现在查询结果中。我不想要它;这是浪费空间。

我对Cell添加文档的方式缺少什么？

Answer 1

如果您不希望您的字段存储内容，则必须将字段设置为stored =＆＃34; false＆＃34;。

由于您正在使用无模式模式（仍然存在模式，它只是在添加新字段时动态生成），您必须使用Schema API来改变这个领域。

你可以do this by issuing a replace-field command：

curl -X POST -H 'Content-type:application/json' --data-binary '{
  "replace-field":{
  "name":"content",
  "type":"text",
  "stored":false }
}' http://localhost:8983/solr/collection/schema

您可以针对/collection/schema/fields发出请求see the defined fields。

Answer 2

Cell代码确实将内容添加到文档content，但是内置的字段翻译规则将content替换为_text_。在无模式SOLR中，_text_被标记为不存储。

该规则由SolrContentHandler.addField()中的以下行调用：

String name = findMappedName(fname);

在params对象中，fmap.content应被视为_text_的规则。它来自corename\conf\solrconfig.xml，默认情况下会出现以下片段：

<requestHandler name="/update/extract"
              startup="lazy"
              class="solr.extraction.ExtractingRequestHandler" >
  <lst name="defaults">
    <str name="lowernames">true</str>
    <str name="fmap.meta">ignored_</str>
    <str name="fmap.content">_text_</str> <!-- This one! -->
  </lst>
</requestHandler>

同时，在corename \ conf \ managed_schema中有一行：

<field name="_text_" type="text_general" multiValued="true" indexed="true" stored="false"/>

这就是整个故事。

SOLR Cell如何添加文档内容？

2 个答案: