在 Solr 中查询二进制字段

Question

我正在使用 Solr 来索引由二进制字段组成的记录。我已经在 schema.xml 中指定了这样的字段：

<field name="id" type="binary" indexed="true" stored="true" required="true" multiValued="false" />

我可以通过 POST 请求将记录添加到索引中，将字段编码并作为 Base64 字符串发送。集合的数据目录的大小正在增长，所以我知道它正在存储一些东西；但是，在进行匹配所有查询（q=*:*）时，我奇怪地找到了一些文档但没有返回，例如：

"response": {  
  "numFound": 364047,
  "start": 0,
  "maxScore": 1,
  "docs": []
}

有人知道是什么原因造成的或如何解决吗？
谢谢

Answer 1

简短的回答无法解决。

在阅读the reference documentation of Solr 时，您会发现关于 BinaryField 类型的信息非常少

类：二进制字段

描述：二进制数据。

当前状态是此 BinaryField 仅用于存储二进制数据。不多也不少。不过有an issue to change this，但还没有引起那么多关注。

我个人的假设是，这背后的事实是二进制数据不是简单的二进制数据。大多数情况下，它是一种需要特殊解释的复杂文件格式。对于此任务，存在一个单独的 Apache 项目，Apache Tika。

为了驯服这头野兽，网络上散布了几篇很好的文章和教程。参考文档 (1, 2) 中还提供了如何将其与 Solr 集成的一个很好的起点。