SOLR post json 文件默认字段类型答案

【问题标题】：SOLR post json file Default fieldtypeSOLR post json 文件默认字段类型
【发布时间】：2019-01-29 17:41:20
【问题描述】：

我的 json 文件中有 POSTAL_CODE 字段。如果我尝试使用 solr/post 将该数据导入 SOLR，则字段类型被设置为“plongs”，这不适合“108-0023”之类的数据。因为数据导入抛出了一个错误。这类问题有解决办法吗？

编辑：您可以用来检查它的示例数据。

{
  "id": "1",
  "POSTAL_CODE": "1982"
},
{
  "id": "2",
  "POSTAL_CODE": "1947"
},
{
  "id": "3",
  "POSTAL_CODE": "19473"
},
{
  "id": "4",
  "POSTAL_CODE": "19471"
},
{
  "id": "5",
  "POSTAL_CODE": "1947-123"
}

在上面的示例中，我不明白为什么“id”不被视为“plongs”或“pints”，而只有“POSTAL_CODE”有这个问题。如果第一个元素的 POSTAL_CODE 为“1947-145”，则该字段类型被视为“text_general”。一般来说，如果值有双引号，（即“Data”：“123”）不应该被视为字符串值吗？

【问题讨论】：

标签： json solr data-import

【解决方案1】：

我尝试通过创建一个包含 POSTAL_CODE 字段的原始 json 文档来导入数据。下面是我的 json & 我的 solr 版本是 7.2.1

{"array": [1,2,3],"boolean": true,"color": "#82b92c","null": null,"number": 123,"POSTAL_CODE": "108-0023"}

它在 solr 中被索引为 Text Field 下面是随附的屏幕截图。我触发索引数据的命令如下：

bin/post -c gettingstarted test.json

能否提供您面临此问题的示例数据和 solr 版本。

【讨论】：

您看到不同行为的原因是因为您仅使用破折号为内容编制索引。如果您首先索引内容为常规整数的文档，则它将被定义为 plong。在无模式模式下，第一次使用字段时，Solr 根据内容猜测其字段类型。
是的，我唯一想知道的是如何删除破折号并生成 solr 然后假设为 longs 的串联数字
@sriharshay 我希望您现在知道问题所在，让我为您总结一下。由于您的案例中的 solr 架构是托管架构，因此如果您没有明确提供架构，它会通过正则表达式等创建字段。所以 postal_code 字段的第一个文件一旦到达 solr，它是数字的，所以 solr 分配它。但是，当它看到您的最后一个文档包含 - 时，它会抱怨字段并给出错误。因此，正如 Harald 提到的，请定义该字段的架构并在清理后进行重新索引。
@sriharshay 您看到 Id 作为字符串字段的原因，因为如果您进入托管模式 id 字段将被预定义为字符串字段并配置为唯一键。例如

【解决方案2】：

删除集合，将其创建为新集合，然后在索引任何内容之前，在架构中将字段 POSTAL_CODE 定义为字符串类型。然后，这将在不猜测的情况下索引该字段上的任何传入数据，而是使用字符串类型，这意味着它按原样索引。

从https://lucene.apache.org/solr/guide/7_0/schema-api.html复制和改编，但未经测试：

curl -X POST -H 'Content-type:application/json' --data-binary '{
  "add-field":{
     "name":"POSTAL_CODE",
     "type":"string",
     "stored":true }
}' http://localhost:8983/solr/yourcollectionhere/schema

【讨论】：

这是唯一的方法。因为可能有很多领域会面临这样的问题。你说的是正确的，在索引之前定义字段。但是，有没有其他方法可以解决这个问题？
您应该始终明确定义您的架构以供生产使用。无模式模式适用于试验和快速开发，但是当您要在生产中使用某些东西时，应该明确定义模式。否则你可能会遇到这样的问题。
哦。好的，这是有道理的。因此，导入数据没有捷径。事先定义架构中的所有内容以避免此类问题。谢谢:)