这个 solr 4.0 连接查询如何比 *:* 查询返回更多结果？

Question

我遇到了一些非常奇怪的行为，我认为这是一个错误，但我可能是错的或者没有正确理解文档，所以我问。

我有一个 SOLR 索引并使用 4.0 版本的新功能。

这是我使用的代码（我正在使用 PECL SOLR 扩展）：

<?
$options = array (
    'hostname' => '192.168.200.31',
    'path' => 'solr/slave',
);
$client = new SolrClient($options);
$query = new SolrQuery();

#$query->setQuery("{!join from=id to=med_id }type:medium");
$query->setQuery("*:*");

$query->addFilterQuery('type:product');
$query->addFilterQuery("product_type:tv_free");
$query_response = $client->query($query);
$response = $query_response->getResponse();
echo '<pre>'.print_r($response,true)."</pre>";
?>

上面的代码返回 38296 文档。 但是，如果我取消注释行 #$query->setQuery("*:*");，以便查询现在为 *:* 并有效匹配每个文档，我收到返回的 21867 文档 - 我认为这是正确的数字。

如果您想更多地了解用例以及背后的想法，您可以继续阅读 - 但这只是背景信息：

我正在索引两种类型的文档，我通过字段 type 的值来区分它们:

• medium - 对我来说这是一部电影（如《阿凡达》、《卡萨布兰卡》等）

• 产品- 这些是优惠亚马逊上的 DVD 之类的电影

这种分割的原因是我想要过滤器/方面查询，使用户能够搜索：

• 产品 - 这些是亚马逊上的 DVD 之类 已在 1990 至 1955 年间发布（此元数据存储在介质文档中），
• 并且在亚马逊上以 5% 或更少的 DVD 形式提供（此信息存储在产品文档中）
• ，并且在其中包含“jungle”一词电影标题（存储在medium文档中）

我正在对标题中带有“jungle”的“medium”类型的所有文档进行搜索（使用dismax）：

$query->setQuery("{!type=dismax qf='$qf' mm='1' q.alt='*:*'}jungle");

然后我添加一个过滤器查询，如下所示：

$query->addFilterQuery("{!join from=med_id to=id}provider:amazon");
$query->addFilterQuery("{!join from=med_id to=id}price:[0 TO 500]"); // price is in cents
$query->addFilterQuery("release_year:[1990 TO 1995]"); 

请注意，我需要第一个两个查询作为 prdouct 类型文档的联接，其中有一个名为 med_id 的字段，该字段保存与它们关联的 media 类型文档的 id。

这一切都很好！ 然而，我想通过产品类型文档中保存的元数据来进行搜索。例如，它们可用的国家/地区（我可以在其中订购 DVD）

我从该查询中获取介质文档中包含的所有字段的构面计数，但是联接查询不携带用于过滤的源表的任何信息与结果的连接。所以我需要第二个查询：

我的做法与上面完全相同，但是这次我使用交换联接而不是联接查询：

所以我的 dismax 查询现在变成联接查询：

$query->setQuery("{!join from= id to=med_id }{!type=dismax qf='$qf' mm='1' q.alt=':'}丛林");

我的联接过滤器查询变成普通过滤器查询：

$query->addFilterQuery("provider:amazon");
$query->addFilterQuery("price:[0 TO 500]"); 

而我的常规过滤器查询变成联接查询 - 这次从字段 id 到 med_id：

$query->addFilterQuery("!join from=id to=med_id}release_year:[1990 TO 1995]”）；

现在，这会返回与我们的过滤器匹配的所有产品。对于一种媒体可能有不止一种产品 - 但我只希望我的方面计数反映电影的数量，而不是产品的数量，所以我还按 med_id 进行分组并将组截断设置为 true，如下所示：

$query->addParam("group","true");
$query->addParam("group.field","med_id");
$query->addParam("group.truncate","true");

唯一的问题是在中等字段中进行搜索的联接查询使我的查询以某种方式返回更多结果而不是更少，我将其归结为要重现的问题开头的最少代码。

Answer 1

我想我通过将查询添加为过滤器查询而不是像这样的查询来解决我的问题：

$query->addFilterQuery("{!join from=id to=med_id }{!type=dismax qf='$qf' mm='1' q.alt='*:*'}".$qs);
$query->setQuery("*:*");

它似乎在小型测试用例中工作，但是我的数据库存中仍然有一些不合适的地方，但我需要仔细检查我的数据源对于任何危险，并设置一个测试用例，我可以证明其中的差异。

我也仍然感兴趣为什么它在设置为查询时会出现问题...

编辑：

这个答案中描述的方法有效地解决了问题，但是我不确定它为什么存在。

然而，facet 计数的效果并不是理想的效果，因为字段折叠让 solrfacet 仅适用于组中最相关的文档。
意义：
如果不折叠（分组），计数可能会多于介质的实际结果计数（因为可能存在多个匹配产品）。
折叠后可能会更少（因为只考虑一个文档的值）。
所以面计数不会以这种方式工作。您唯一真正知道哪些方面值将返回至少 1 个结果，并且取决于您是否使用折叠或不表示表示上限和下限的数字，但可能不是实际结果数。