前言
初次接触solr，对其中的许多概念都模糊不清，常常是看过了转眼就忘记了，所以在这里整理一下经常使用的概念。
基本概念
index(索引)
- 在Lucene中一个索引是放在一个文件夹中的，一个索引就是多个Document的集合
- 同一个索引目录中的所有文件构成一个Lucene索引。
- 一个索引其实就是多个Document集合。
Document(文档)
- 文档是我们构建索引的基本单位，索引中的每个Document就好比数据库表中的每一条记录Record，虽然不是一个概念，但是可以这样去理解。
- 新增加的文档是单独保存在一个新生成的段文件中。
Field(域)
- 一个Document其实就是一个Field的集合，每个Field就好比数据库表中的每个字段column。
- 不同Field可以分别存储不同信息，以及拥有各自不同的存储方式。
Segment(段)
- 当添加一个新文档就会生成一个新的段，并且也会触发段文件合并。
- 一个索引可以包含多个段文件，段与段质检是相互独立的。
- 合并段文件有助于提升创建索引的性能。
- 段文件里记录了索引中包含多少个段，每个段包含多少个文档。
- 索引可以由多个子索引构成。这个子索引便叫做段。
Term(词)
- 每个Field的域值经过分词器处理后得到的每一项称作Term
- Term是索引中的最小单元。
- 在两个不同Field中的同一个字符串被认为是不同的term。
- Field的域值经过序列化（tokenized）成Terms集合（Terms）。
core
Core是一个单一的索引数据，而一个索引由多个Document组成，这些Document是扁平化的，即两个Document的域完全不同。
Solr 设计多Core主要是为了解决生产环境下的如下关键需求：
1、 重建索引
2、 配置变更影响最小化
3、 索引合并和分裂
4、 Core热交换
Indexed
表示是否需要创建索引，即是否需要添加到倒排索引表中，一般用来修饰Field域的，如果你不对某个域创建索引，那么意味着你将不能根据改域的域值进行全文检索。
Stored
表示是否需要存储某个域的域值，一般表示是否需要将域值写入到磁盘上进行持久化，持久化的目的是为了查询的时候能再次获取返回给用户做展示。当然存储则意味着会增加索引文件的体积。如果你的索引目录是基于内存的，那Stored设置true还是false都没什么意义。
Tokenized
表示是否需要对某个域的域值进行分词操作，如果你设置为不分词，那么会把域值全部内容当作一个Term存入倒排索引表。
Norms
即Normalization的缩写，翻译过来就是标准化的意思。这里表示是Lucene评分机制里的标准化因子，使用标准化因子来影响文档的最终评分。
multiValued
用于表示指定Field是否是一个多值域。我们知道，域值一般是单个值，但有时候可能我们的域值是一个List集合或者一个数组，这时候该如何处理域值建立索引呢？为了解决这个问题，所以设计了多值域。
termVectors
表示是否对指定Field启用空间向量模型，当你需要使用FastVector-Hightlighter高亮器或者MoreLikeThis功能时，你就需要启用 termVectors。
termPositions
表示是否记录Field的域值中的每个Term的位置信息即记录当前是文档中的第几个term，前提是你必须要先启动termVectors。
termOffsets
表示记录Field的域值中的每个Term的位置偏移量，所谓偏移量，其实就是Term在文档中的起始位置和结束位置，都是从零开始计算。比如I like Java这个字符串，其中单词Java的位置偏移量就是[7,10]。
PositionIncrement
表示当前Term的位置与前一个term的位置之间的差值即位置增量，比如I like the girl with short hair(是的！！)，这里girl与like之间的位置增量为2，因为like的position=1，girl的position=3。但如果考虑停用词的情况，吗么like和girl之间的the是停用词，the会被剔除掉，此时girl与like之间的位置增量为1。加入两个term之间的positionincrement=0，那么说明两个Term处于文档中同一个位置，利用这个特性可以实现同义词功能。
PositionIncrementGap
表示两个Term之间的间隙，这是Solr Schema.xml里field的配置属性，一般用于解决多值域查询phrase query的。比如你有个多值域，它有2个域值：author：John Doe；author：Bob Smith。对于多值域而言，默认PositoinIncrementGap=0，也就意味着默认多值域的域值是直接拼接在一起的，即john doe bob smith，也就是说如果你输入doe bob也是可以搜索到该文档的，如果你不希望用户输入doe bob能搜索到，那么你可以设置PositionIncrementGap=N，N是让任意一个大于零的整数即可，这样用户就不能跨多个域值搜索了，只能在多值域的单个域值内实现关键字搜索了。
precisionStep
一般用于数字域的范围查询，默认值是4，调整这个属性值可以提升数字域的查询性能。
DocValues
Lucene索引的存储方式一般都是以倒排索引的方式（term-doc），即Term到Document的一个映射。但是在搜索相关功能处理的时候，如排序、高亮，需要通过文档docid找到相应的term值、term的位置信息等。为此，在Lucene4.0中，引入了一个新字段类型DocValue，即在索引的时候建立文档到值（document-to-value）的映射。这个方法保证减轻了一些字段缓存的内存要求，并且使得Sorting、Faceting、Grouping、Fuction Query的响应速度更快。但开启DocValues需要额外保存索引信息，因此会增大索引体积。
DocValues只适用于部分FieldType，这些FieldType底层实际又是使用的Lucene的DocValues Type。DocValues适用的FieldType如下：
- StrField 和 UUIDField
- 如果这个FieldType是单值域（即multi-value=false），那么底层Lucene会使用SORTED类型。
- 如果这个FieldType是多值域（即multi-value=true），那么底层Lucene会使用SORTED_SET类型。
- 所有以Trie开头的数字域，date域，EnmuField
- 如果这个FieldType是单值域（即multi-value=false），那么底层Lucene会使用NUMERIC类型。
- 如果这个FieldType是多值域（即multi-value=true），那么底层Lucene会使用SORTED_SET类型。
DocValues的优缺点
1、 近实时索引：在每一个索引段里面都会有一个docvalues数据结构，这个结构与所 win同时建立，并且能够快速更新、生效；
2、 基本的查询和过滤支持：你可以做基本的词、范围等基本查询，但是不窜域评分，并且速度较慢，如果你对速度和评分排序有要求，你可以将该字段设置为（indexed=“true”）；
3、 更好的压缩比：Docvalues fields的压缩效果比fieldcache好，但不强调做到极致；
4、 节约内存：你可以定义一个fieldType的docValuesFormat（docValuesFormat=“Disk”），这样的只有一小部分数据加载到内存，其他部分保留在磁盘上。
Payload
所谓payload其实就是提供用户传入一个额外的自定义信息，而该信息可以干预文档最终的评分。Payload信息跟term的位置（positions）信息一样，都是存储在倒排索引表中的，存储它会额外增大索引体积。