solr实现MySQL数据全量索引和增量索引

admin

solr.home  solr实例目录 D:solr\home

solr.war      solr服务目录 D:solr\server\solr

参考文档

IBM developerWorks 文档库  Apache Solr 的新特性
Solr中国 http://www.solr.cc/blog/
官方文档 http://wiki.apache.org/solr/Data ... elta-import_command
全量索引与增量索引

索引导入分全量索引与增量索引。Solr支持多种创建索引的方式。这里通过solr官方提供的一个工具的—Data Import Handler，来做数据库建立索引，DIH支持增量索引。Solr/example中有example-DIH的项目，用了hsqldb作为数据库演示了DIH的使用，可以看下

1、添加jar包  (mysql的jar包与dataimporthandler的jar包)

将解压后的solr-4.10.0文件夹dist目录下的:

solr-dataimporthandler-4.10.0.jar
solr-dataimporthandler-extras-4.10.0.jar
mysql-connector-java-5.1.13-bin.jar   (这个需根据使用的数据库不同添加不同的驱动包，所以dist目录下是没有的)
拷贝到solr.war服务的lib目录下，对应本机D:\solr\server\solr\WEB-INF\lib

2、配置一个 SolrRequestHandler将 DIH 和 Solr 关联起来

在每个核心中的solrconfig.xml中配置dataimport，对应本机D:solr\home\core1\conf\solrconfig.xml

1. <!-- 全量索引与增量索引 -->
   
2. <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
   
3.         <lst name="defaults">
   
4.                 <str name="config">data-config.xml</str>
   
5.         </lst>
   
6. </requestHandler>

复制代码

3、全量索引与增量索引配置文件，同目录下新增data-config.xml

1. <?xml version="1.0" encoding="UTF-8"?>
   
2. <dataConfig>
   
3.     <dataSource name="jdbc" driver="com.mysql.jdbc.Driver"
   
4.         url="jdbc:mysql://ip:port/db_name?characterEncoding=UTF-8" user="root" password="root"/>
   
5.     <document name="TestCore">
   
6.         <entity name="test_table" pk="testId"
   
7.                 query="select * from test_table"
   
8.                 deltaImportQuery="select * from test_table where test_id='${dih.delta.testId}'"
   
9.                 deltaQuery="select Test_Id as testId from test_table where create_time > '${dih.last_index_time}'"
   
10.                 transformer="RegexTransformer">
    
11.                 <field column="Test_Id" name="testId"/>
    
12.                 <field column="Test_Name" name="testName"/>
    
13.                 <field column="Create_Time" name="createTime"/>
    
14.         </entity>
    
15.     </document>
    
16. </dataConfig>

复制代码

entity：需要从数据库中取出的数据，name为数据库表名，支持sql语句，支持多表查询。注意pk="id" 不能随便改 ，需要和schema.xml中的<uniqueKey>id</uniqueKey>匹配，否则会报错注[1] ，且<uniqueKey>id</uniqueKey>中的主键必须为String类型
field：接受到的数据。列名column为数据库字段名(必须与数据库字段相同，区分大小写)，name为索引库（必须和schema.xml）中field定义的name名字相同

query属性为全量索引时查询用，其他的为增量索引用


Note the variable ${dataimporter.last_index_time} The DataImportHandler exposes a variable called last_index_time which is a timestamp value denoting the last time full-import 'or' delta-import was run。

内置变量${dataimporter.last_index_time}用来记录最后一次索引的时间(包括全量与增量)，并保存在core~/conf/dataimport.properties文件中，该文件为自动创建(如果solr服务启动后请求索引后，未在相应核下找到该文件，说明DIH配置有误，可以通过solr后台logging查看异常日志)。这里dataimport.properties内容如下：

1. #Mon Mar 15 16:10:05 CST 2015
   
2. test_table.last_index_time=2015-03-15 16\:10\:04
   
3. last_index_time=2015-03-15 16\:10\:04

复制代码

内置变量 “${dataimporter.request.length}”和 “${dataimporter.request.offset}”用来设置一个批次索引的数据表记录数
至此，DIH配置完成，在浏览器中输入请求：


全量索引

1. http://localhost:8080/solr/core1/dataimport?command=data-import&clean=false&commit=true

复制代码

增量索引

1. http://localhost:8080/solr/core1/dataimport?command=delta-import&clean=false&commit=true

复制代码

查看导入状态

1. http://localhost:8080/solr/core1/dataimport?command=status

复制代码

clean:选择是否要在索引开始构建之前删除之前的索引，默认为true
commit:选择是否在索引完成之后提交。默认为true
offset=0&length=100000  0到100000的数据创建索引，全量索引分批次索引用于数据量较大时，如果数据量较小，可以直接全部索引(未调通)
当然也可以通过 http://localhost:8080/solr

进入solr管理页面中相应索引库(如core1)中找到dataimport 点击执行，这样好处是还可以通过日志logging查看异常
定时重做索引

定时自动重建索引可以通过自己写程序实现，也可以通过solr-dataimportscheduler-1.0.jar包完成此功能，具体如下:

1、将dataimporter.properties(网上找的)放到solr.home/conf目录下，对应本机D:\solr\home\conf（conf文件夹是没有的，需要新建）注[3]


dataimporter.properties (重要)(不同于core/conf下的dataimport.properties，那个dataimport.properties会自动生成，用于记录最近一次更新的时间)

1. #################################################
   
2. #                                               #
   
3. #       dataimport scheduler properties         #
   
4. #                                               #
   
5. #################################################
   
6. 
   
7. #  to sync or not to sync
   
8. #  1 - active; anything else - inactive
   
9. syncEnabled=1
   
10. 
    
11. #  which cores to schedule
    
12. #  in a multi-core environment you can decide which cores you want syncronized
    
13. #  leave empty or comment it out if using single-core deployment
    
14. syncCores=core1,core2
    
15. 
    
16. #  solr server name or IP address
    
17. #  [defaults to localhost if empty]
    
18. server=localhost
    
19. 
    
20. #  solr server port
    
21. #  [defaults to 80 if empty]
    
22. port=8080
    
23. 
    
24. #  application name/context
    
25. #  [defaults to current ServletContextListener's context (app) name]
    
26. webapp=solr
    
27. 
    
28. #  增量索引的参数
    
29. #  URL params [mandatory]
    
30. #  remainder of URL
    
31. params=/dataimport?command=delta-import&clean=false&commit=true
    
32. 
    
33. #  重做增量索引的时间间隔
    
34. #  schedule interval
    
35. #  number of minutes between two runs
    
36. #  [defaults to 30 if empty]
    
37. interval=1
    
38. 
    
39. #  重做全量索引的时间间隔，单位分钟，默认7200，即5天;
    
40. #  为空,为0,或者注释掉:表示永不重做索引
    
41. #reBuildIndexInterval=7200
    
42. 
    
43. #  重做索引的参数
    
44. reBuildIndexParams=/dataimport?command=full-import&clean=true&commit=true
    
45. 
    
46. #  重做索引时间间隔的计时开始时间，第一次真正执行的时间=reBuildIndexBeginTime+reBuildIndexInterval*60*1000；
    
47. #  两种格式：2012-04-11 03:10:00 或者  03:10:00，后一种会自动补全日期部分为服务启动时的日期
    
48. reBuildIndexBeginTime=03:10:00

复制代码

2、修改solr.war中WEB-INF/web.xml, 对应本机D:\solr\server\solr\WEB-INF\web.xml，在servlet节点前增加：


这个有点坑爹！这个类并不存在solr几个包中，需要额外导入solr-dataimportscheduler-1.1.jar(官方还不支持定期重建索引，所以只能通过修改过的第三方jar，参考这里)

1. <listener>
   
2.         <listener-class>
   
3.                 org.apache.solr.handler.dataimport.scheduler.ApplicationListener
   
4.         </listener-class>
   
5. </listener>

复制代码

看别人的资料说上面的dataimporter.properties位置可以随意放，只需要在solr.war中WEB-INF/web.xml中指定位置(还未测试，不清楚说的对不对)

1. <context-param>
   
2.     <param-name>autoDeltaImportConfPath</param-name>
   
3.     <param-value>/yourconfpath</param-value>
   
4. </context-param>

复制代码

常见异常

org.apache.solr.common.SolrException: Document is missing mandatory uniqueKey field: testId
参见注[1]
java.lang.RuntimeException: org.apache.solr.handler.dataimport.DataImportHandlerException: Could not load driver: com.mysql.jdbc.Driver Processing Document # 1
请加入数据库驱动jar包
org.apache.solr.common.SolrException: [doc=454a2d2f-c199-483a-a8d2-7c49c1adbfe1] missing required field: xxxx
xxxx这个字段对应的column的字段名与数据库中的字段不一致(包括大小写)
Exception while processing: test_table document : SolrInputDocument(fields: [])rg.apache.solr.handler.dataimport.DataImportHandlerException: Unable to execute query: select * from test_table limit  offset  Processing Document # 1
        at org.apache.solr.handler.dataimport.DataImportHandlerException.wrapAndThrow(DataImportHandlerException.java:71)
        at org.apache.solr.handler.dataimport.JdbcDataSource$ResultSetIterator.<init>(JdbcDataSource.java:283)
全量索引异常：data-config.xml中配置了批次索引，但创建索引的时候参数offset&length出现问题，我也未调通

       
严重: Exception sending context initialized event to listener instance of class org.apache.solr.handler.dataimport.scheduler.ApplicationListener
java.lang.NullPointerException
        at org.apache.solr.handler.dataimport.scheduler.ApplicationListener.contextInitialized(ApplicationListener.java:93)
        at org.apache.catalina.core.StandardContext.listenerStart(StandardContext.java:4994)
        at org.apache.catalina.core.StandardContext.startInternal(StandardContext.java:5492)
        at org.apache.catalina.util.LifecycleBase.start(LifecycleBase.java:150)
        at org.apache.catalina.core.ContainerBase$StartChild.call(ContainerBase.java:1575)

出现这种错误是因为dataimporter.properties配置文件的存放位置不对

囧恩snow

涨姿势了