最近在工作中遇到需要对大文本进行关键词查询。需要实现的效果为，当用户输入一个字或者一个词，要搜出包含这个字或者词的所有内容。就相当于MySQL的LIKE查询效果一样。

在这种场景下，第一时间想到的肯定是直接使用MySQL存储，然后进行查询就可以了，完全符合业务需求。但是经过尝试，当数据量比较大的时候，查询的速度慢得让人根本无法接受。

于是只能考虑其他方案，由于和搜索有关，于是想到了之前使用过的Solr。经过一系列折腾，最后得出最终方案如下。

1. schema设计的时候，需要自定义字段类型，使用solr.NGramTokenizerFactory分词器，并且将分片参数设置成1。

<fieldType name="text_ng1" class="solr.TextField" positionIncrementGap="100"> <analyzer type="index"> <tokenizer class="solr.NGramTokenizerFactory" minGramSize="1" maxGramSize="1"/> </analyzer> <analyzer type="query"> <tokenizer class="solr.NGramTokenizerFactory" minGramSize="1" maxGramSize="1"/> </analyzer> </fieldType> 

1. 对需要进行查询的字段设置成自定义的类型。

<field name="question_content_list" type="text_ng1" indexed="true" stored="true" required="false" multiValued="true" /> 

1. 查询条件中需要对关键字加双引号，表示不对查询词进行分词。

/select?q=question_content_list%3A"空间"&start=0&rows=1&wt=json&indent=true

1. 查询结果响应测试。

{ "responseHeader": { "status": 0, "QTime": 1, "params": { "q": "question_content_list:\"空间\"", "indent": "true", "start": "0", "rows": "1", "wt": "json" }
    }, "response": { "numFound": 62, "start": 0, "docs": [
            { "question_content_list": [ "18088", "qq空间", "http://photo.qq.com" ], "question_id": "9DSOPHKVYF4G", "_version_": 1661304065051590660 }
        ]
    }

	}



	





	原文链接：https://my.oschina.net/SPPan/blog/3196460