Solr多值数组字段AND/OR搜索异常问题求助

现有数十亿级文档，示例结构如下：

{
    "type" : "planet",
    "name" : [ "earth","mars","venus","jupiter" ]
}
{
    "type" : "planet",
    "name" : [  "earth","saturn","jupiter" ]
}

需求：

• 搜索"Earth or Mars"需匹配第一个文档（含任一关键词）
• 搜索"Earth and Mars"需匹配第一个文档，不匹配第二个（含全部关键词）
  当前问题：AND查询正常，但OR查询失效，怀疑与多值数组字段的索引/查询逻辑有关，需尽量减少反规范化避免索引量剧增。

一、先排查OR查询失效的核心原因 #

• 查询语法错误：最常见的是bool查询的should子句未设置minimum_should_match:1，默认情况下如果没有must/filter，should会匹配所有文档，等于没过滤
• 词项不匹配：比如索引时用小写存储，但查询用大写，且未开启大小写归一化；或者字段用了keyword类型但查询用了分词的match语句
• 错误的查询类型：误用match_phrase（要求短语连续匹配）或term（精确匹配）而未考虑分析器的处理结果

二、无反规范化的解决方案 #

1. 修正查询语法（最快见效） #

以Elasticsearch为例，正确的OR/AND查询写法：

OR查询（匹配任一关键词）

{
  "query": {
    "bool": {
      "should": [
        {"term": {"name": "earth"}},
        {"term": {"name": "mars"}}
      ],
      "minimum_should_match": 1 // 必须设置，确保至少匹配一个should条件
    }
  }
}

如果需要支持大小写不敏感的搜索，把term换成match（依赖字段的分析器自动转小写）：

{
  "query": {
    "bool": {
      "should": [
        {"match": {"name": "Earth"}},
        {"match": {"name": "Mars"}}
      ],
      "minimum_should_match": 1
    }
  }
}

AND查询（匹配全部关键词）

{
  "query": {
    "bool": {
      "must": [
        {"term": {"name": "earth"}},
        {"term": {"name": "mars"}}
      ]
    }
  }
}

2. 调整字段索引配置（解决词项匹配问题） #

如果字段的分析器/类型导致词项不匹配，调整schema但不增加索引量：

• 如果需要精确匹配+大小写不敏感，用keyword类型配合小写归一化器：

{
  "mappings": {
    "properties": {
      "name": {
        "type": "keyword",
        "normalizer": "lowercase_normalizer"
      }
    }
  },
  "settings": {
    "normalizers": {
      "lowercase_normalizer": {
        "type": "custom",
        "filter": ["lowercase"]
      }
    }
  }
}

• 如果需要分词搜索（比如支持部分匹配），用text类型配合standard分析器（默认支持大小写转换）：

{
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "standard"
      }
    }
  }
}

3. 超大数据量的性能优化 #

• 开启字段的eager_global_ordinals（Elasticsearch）：提升多值keyword字段的聚合/查询性能，不会增加索引量
• 避免使用wildcard/prefix查询，尽量用term/match，减少查询时的计算量
• 不要为了实现OR逻辑反规范化（比如把数组拆成多个单值字段），这会导致索引量指数级增长，完全没必要

总结 #

OR查询失效基本都是语法或索引配置问题，不需要修改文档结构或反规范化。优先检查minimum_should_match的设置，再确认字段的分析器/归一器是否匹配查询需求，即可解决问题。

内容的提问来源于stack exchange，提问作者Raghav