存储指定时段文档出现次数：Solr字段类型与存储格式咨询

核心字段设计 #

首先需要定义两个关键字段支撑统计需求：

• doc_unique_id：字段类型为string（精确匹配、不分词），用于标记重复文档的唯一标识，确保相同文档拥有完全一致的ID值。
• doc_date：字段类型为date，存储文档被处理的ISO 8601格式日期时间（例如2022-10-16T00:00:00Z），支持后续日期范围过滤与时间维度聚合。

Schema定义示例：

<field name="doc_unique_id" type="string" indexed="true" stored="true"/>
<field name="doc_date" type="date" indexed="true" stored="true"/>

两种实现统计的方式 #

方式1：查询时实时聚合（推荐） #

无需预先存储次数，直接利用Solr的Facet聚合功能，在查询时实时计算指定时间段内各文档的出现次数，灵活性拉满，完全适配任意日期/时间段的统计需求。

查询单日（2022/10/16）出现次数最多的文档：

q=*:*
&fq=doc_date:[2022-10-16T00:00:00Z TO 2022-10-16T23:59:59Z]
&facet=true
&facet.field=doc_unique_id
&facet.limit=10  # 控制返回前N个高频文档
&facet.sort=count desc

查询时间段（2022/10/16~2022/10/23）出现次数最多的文档：

q=*:*
&fq=doc_date:[2022-10-16T00:00:00Z TO 2022-10-23T23:59:59Z]
&facet=true
&facet.field=doc_unique_id
&facet.limit=10
&facet.sort=count desc

优势：无需额外维护计数逻辑，支持任意时间段统计；每日数千文档的量级下，性能完全够用。

方式2：预先存储每日计数（仅适用于固定日期维度场景） #

如果对查询性能有极致要求，可以预先在Solr中存储每个文档的每日出现次数，通过动态字段实现：

• 定义动态字段date_count_*，类型为int，用于存储对应日期的次数（例如date_count_20221016对应2022-10-16的次数）。
• 每日处理文档时，使用Solr的Atomic Update功能累加对应日期的计数：

  curl -X POST -H "Content-Type: application/json" http://solr-host:8983/solr/collection/update -d '
  [
    {
      "doc_unique_id": "DOC123",
      "date_count_20221016": {"inc": 1}
    }
  ]
  '
  

缺点：维护成本高，仅支持单日期统计，跨时间段统计需要手动累加多个字段值，灵活性不足。

字段类型说明 #

• string类型：确保doc_unique_id的精确匹配，避免分词导致的重复文档识别错误。
• date类型：原生支持范围查询、排序，是处理时间维度需求的最优选择，存储时必须遵循ISO 8601格式（简化的2022-10-16格式也可被Solr自动解析为当天0点）。
• int类型：用于预先存储计数时，保证数值存储的高效性。

内容的提问来源于stack exchange，提问作者sanjihan