避免 Solr 由于词干而缓慢突出显示

Question

我对使用 Solr 还很陌生，但想寻求您的帮助。 我正在开发一个应用程序，它应该能够突出显示查询结果。为此，我使用正则表达式分段器：

<highlighting>
<fragmenter name="regex" class="org.apache.solr.highlight.RegexFragmenter">
<lst name="defaults">
  <int name="hl.fragsize">500</int>
  <float name="hl.regex.slop">0.5</float>
  <str name="hl.pre"><![CDATA[<b>]]></str>
  <str name="hl.post"><![CDATA[</b>]]></str>
  <str name="hl.useFastVectorHighlighter">true</str>
  <str name="hl.regex.pattern">[-\w ,/\n\"']{20,300}[.?!]</str>
  <str name="hl.fl">dokumentum_syn_query</str>
</lst>

该字段使用术语向量和偏移量进行索引：

<field name="dokumentum_syn_query" type="huntext_syn" indexed="true" stored="true"   multiValued="true" termVectors="on" termPositions="on"  termOffsets="on"/>
<fieldType name="huntext_syn" class="solr.TextField" stored="true" indexed="true" positionIncrementGap="100">
      <analyzer type="index">
        <tokenizer class="com.morphologic.solr.huntoken.HunTokenizerFactory"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords_query.txt" enablePositionIncrements="true" />
        <filter class="com.morphologic.solr.hunstem.HumorStemFilterFactory"
        lex="/home/oroszgy/workspace/morpho/solrplugins/data/lex"
        cache="alma"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
        <analyzer type="query">
          <tokenizer class="solr.StandardTokenizerFactory"/>
      <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords_query.txt" enablePositionIncrements="true" />
      <filter class="com.morphologic.solr.hunstem.HumorStemFilterFactory"
        lex="/home/oroszgy/workspace/morpho/solrplugins/data/lex"
        cache="alma"/>
          <filter class="solr.SynonymFilterFactory" synonyms="synonyms_query.txt" ignoreCase="true" expand="true"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
</fieldType>

突出显示效果很好，只是速度非常慢。我意识到这是因为荧光笔/片段再次对所有结果文档进行词干提取。

您能帮我看看为什么会发生这种情况吗？我应该如何避免这种情况？ （我以为使用 fastvectorhighlighter 会解决我的问题，但事实并非如此）

Answer 1

问题是，我尝试使用值“on”而不是“true”。所以该方案中正确的行是：

    <field name="dokumentum_syn_query" type="huntext_syn" indexed="true" stored="true"   multiValued="true" termVectors="true" termPositions="true"  termOffsets="true"/>

Answer 2

为了避免通过突出显示“缓慢”的 solr 结果，我决定不使用 solr 突出显示。
我在客户端编写了突出显示功能。
这项工作适合我，但有点棘手，因为你必须像 solr 在服务器端那样处理客户端的搜索短语，以便在客户端找到标记化和词干术语 - 进行标记，搜索并找到 solr 的内容。
这意味着：您必须在客户端实现词干提取功能。

替代方案：

我认为，结果集中的术语向量为您提供了有关必须在客户端突出显示的术语位置的信息。您可以使用这些信息在客户端突出显示术语，而无需在客户端实施词干分析器。但我认为：最终这并不是真正的替代方案。因为 Solr 仍然需要计算单词的位置 - 所以你不会节省服务器端的时间。