知识卡片
Schema决定了什么
Schema 要回答四个问题:文档里有哪些字段、文档如何唯一确定、用户能搜哪些字段、结果页展示哪些字段。写 Schema 就是把业务文档翻译成索引结构,其中最难的是粒度:以章节为文档,搜「排序」会命中很多章;以整本书为文档,同样查询只命中少数几本,但用户拿到的是一本书而不是那段解释。粒度细命中多、粒度粗命中少,没有对错,只能按用户想要的答案形态来定,这也是设计 Schema 时第一个要拍板的决策。
字段层面要分清两件事。indexed 表示字段进倒排表、能被搜到;stored 表示原文存进正排、能出现在结果里。只 stored 的字段搜不到,只 indexed 的字段取不回原文;要展示的标题通常两者都开,只用于过滤的长文本可以只索引不存储。
易错点是 Schemaless:它按字段值猜类型(布尔、整型、长整型、浮点、日期等)并自动把字段加进 Schema,看似省事,但类型猜错就建不出正确的索引——例如存汉字却没指定字段类型,汉字文档根本无法正常索引,所以官方也建议关掉它,显式定义字段。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第10章 搜索引擎工具 · 查看原书依据
通常情况下,输入文件粒度细,返回的结果就会很多;输入文件粒度粗,返回的结果就会很少。因此,我们需要根据用户的需求来确定输入文件粒度。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第10章 搜索引擎工具(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0138.html)
- 结论依据:原文给出文档粒度与返回结果数量之间的反向关系,并由此推出「按用户需求定粒度」,正是 Schema 设计的第一决策。
- 原始内容:通常情况下,输入文件粒度细,返回的结果就会很多;输入文件粒度粗,返回的结果就会很少。因此,我们需要根据用户的需求来确定输入文件粒度。