Apache Solr を利用して キーワード検索や自然言語検索Tips

 

✅ 心得（やるべきこと）

1. スキーマ設計

• テキストフィールドは用途別に分ける
  タイトル、本文、タグ、メタ情報などは別フィールドにして検索・ブーストを調整可能にする。

• トークナイザー/アナライザーの適切な選択

  • 英語：StandardTokenizerFactory + LowerCaseFilterFactory + StopFilterFactory

  • 日本語：KuromojiTokenizerFactory で形態素解析を利用

• 同義語辞書を活用
  SynonymFilterFactory で「ノートPC = ラップトップ」などを正規化。

---

2. クエリ設計

• 複数クエリパーサーを使い分ける

  • キーワード一致：edismax

  • フレーズ検索：phrase

  • ファセットや絞り込み：fq

• 検索ブースティング

  • タイトル > 本文 > タグのように重み付けを設定

  • 新しい記事や人気記事を boost パラメータで優遇する

---

3. ユーザー体験向上

• サジェスト/オートコンプリート
  Suggester や TermsComponent を利用して入力補助。

• スペルチェック/曖昧検索
  SpellCheckComponent や FuzzyQuery (~演算子) でユーザー誤入力を吸収。

• ハイライト機能
  検索ヒット箇所を強調表示して UX 改善。

---

4. 運用・パフォーマンス

• キャッシュ活用
  Filter Cache / Query Result Cache を調整し、再利用性の高いクエリを高速化。

• インデックス最適化
  大量更新の後は optimize よりも softCommit や autoCommit を推奨。

• スケール設計
  大規模用途では SolrCloud を採用してシャーディングとレプリケーションを組み合わせる。

---

❌ べからず（避けるべきこと）

1. スキーマ関連

• ❌ 全フィールドを text_general にまとめる
  → ブースト調整不能・パフォーマンス劣化の原因。

• ❌ ストップワードや形態素解析を無視
  → 「の」「は」などが検索に残ると精度低下。

---

2. クエリ関連

• ❌ q=*:* を乱用
  → 全件検索は重い。必ず fq と組み合わせて制限する。

• ❌ ユーザー入力をそのまま Solr に投げる
  → 不要なワイルドカードや構文エラーで負荷・脆弱性増大。

• ❌ クエリパーサーを1種類に固定
  → 複雑なニーズ（曖昧検索、ファセット、範囲検索）に対応できない。

---

3. ユーザー体験

• ❌ サジェストやスペル補正なしで自然文検索を実装
  → 「今日の天気」「きょの天気」などで結果ゼロになる。

• ❌ ハイライトなし
  → ユーザーが検索結果の「どこにヒットしたか」分からない。

---

4. 運用

• ❌ インデックスを無計画に再構築
  → サービス停止・性能劣化。更新戦略（近リアルタイム検索 NRT）を設計すること。

• ❌ SolrCloud 導入時に ZooKeeper の冗長化をしない
  → シングルポイント障害になる。

• ❌ キャッシュ設定をデフォルト放置
  → クエリごとの特性に応じた調整が必須。

---

🔑 まとめ