Solr索引数据库配置

Solr索引数据库配置

1. 配置solrconfig.xml

修改core中的solrconfig.xml配置文件，添加requestHandler。例如：${Solr.home}/collection1/conf/solrconfig.xml

 <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">  
    <lst name="defaults">  
        <str name="config">data-config.xml</str>  
    </lst>  
</requestHandler>  

 

2. 使用RDBMS作为索引对象

RDBMS的相关信息配置在data-config.xml中，主要用途如下：

1. How to fetch data (queries,url etc)
2. What to read ( resultset columns, xml fields etc)
3. How to process (modify/add/remove fields)
   

   <dataConfig>
    <dataSource type="JdbcDataSource"
             driver="com.mysql.jdbc.Driver"
             url="jdbc:mysql://10.10.21.14:3306/chain_base"
             user="root"
             password="[e-mail]" />
     <document>
       <entity name="solr_test" transformer="DateFormatTransformer"
           query="SELECT id, consignee, address, mobile,date FROM base_address">
           <field column='date' dateTimeFormat='yyyy-MM-dd HH:mm:ss' />
       </entity>
   </document>
   </dataConfig>

1. document：一个文档也就是lucene的document，一个文档包含一个或多个根entity。

2. entity： 一个entity代表关系数据库中的一个table/view,一个根entity可以包含多个子entity或多个field。

   1. entity默认属性

      • name：一个唯一的名称用于区分不同entity（随意）
      • processor：默认为SqlEntityProcessor，其他非RDBMS的需要明确指定；
      • transformer：
      • dataSource：仅当有多个dataSources时使用；
      • threads：运行该entity所需线程的数量；
      • pk：entity的主键，仅仅在delta-imports中使用，与schema.xml中的uniquekey无关；
      • rootEntity：boolean值，确定该entity是否为根entity；
      • onError:(abort|skip|continue)，当发生error时，如何处理；
      • preImportDeleteQuery：在full-import命令执行前，需要清除index。默认为“：”，这里可以自定义；
      • postImportDeleteQuery：
   2. SqlEntityProcessor特有属性：
      • query：查询数据库使用的sql语句；获取full-import需要的数据SQL.
        工作原理:
        执行本Entity的Query，获取所有数据；针对每个行数据Row，获取pk，组装子Entity的Query；执行子Entity的Query，获取子Entity的数据。
      • deltaImportQuery:获取delta-import需要的数据的SQL
        工作原理:
        查找子Entity，直到没有为止；执行Entity的deltaQuery，获取变化数据的pk；合并子Entity parentDeltaQuery得到的pk；针对每一个pk Row，组装父Entity的parentDeltaQuery；执行parentDeltaQuery，获取父Entity的pk；执行deltaImportQuery，获取自身的数据；如果没有deltaImportQuery，就组装Query
        限制:
        • 子Entity的query必须引用父Entity的pk
        • 子Entity的parentDeltaQuery必须引用自己的pk
        • 子Entity的parentDeltaQuery必须返回父Entity的pk
        • deltaImportQuery引用的必须是自己的pk
      • deltaQuery：获取当前entity中更新记录的主键的SQL
      • parentDeltaQuery：获取父Entity中更新记录的主键的SQL
      • deletePkQuery:

3. field：属性column是数据库的字段，name是filed的名字，即schema中的field name。假如column name与field name 不同，则需要手动指定field name属性。

3. 索引数据库

使用如下URL可以索引数据库

• full-import

  1. 该操作会还开起一个新线程，并且status 属性变为busy now
  2. 该操作会花费一些时间，依赖于dataset的大小；
  3. 操作执行时，会储存操作开始的时间到文件conf/dataimport.properties,该时间戳用于delta-import操作中；
  4. 在full-import执行期，查询不会被阻塞；
  5. 其他的一些属性：
     • entity：选择索引的一个或多个entity的名字，默认索引doc下全部entity；
     • clean：（default为‘true’）全索引前是否清除已有索引；
     • commit:（default为'true'）操作后是否进行commit；
     • optimize：（default 'true' up to Solr 3.6, 'false' afterwards）是否进行优化，耗时操作；
     • debug：（default 'false'）是否运行在debug模式，该模式下不会立即commit，需要显示指定'commit=true'
       

       http://localhost:8080/Solr-4.7.0/dataimport?command=full-import
       http://localhost:8080/Solr-4.7.0/dataimport?command=full-import&clean=false

        

• detla-import： 增量导入（增量索引）支持full-import_其他的一些属性_；

  http://localhost:8080/Solr-4.7.0/dataimport?command=delta-import
  注： 本例暂时未实现

   

• status：查看当前命令的状态，给出详细的统计：

  • 多少doc被创建
  • 多少doc被删除
  • 多少doc被查询
  • 多少doc rows fetched
    

    http://:/solr/dataimport

     

• reload-config ：假如data-config.xml配置文件改变需重新加载（无需重启Solr），可以运行如下命令：

  http://:/solr/dataimport?command=reload-config

   

• abort : 终止一个进行中的操作
  

  http://:/solr/dataimport?command=abort

   

4. 参考链接

1. Wiki:DataImportHandler
2. 利用SOLR搭建企业搜索平台

以上。