Solr Multicore 结合 Solr Distributed Searching 切分大索引来搜索

 

原文出处：http://blog.chenlb.com/2009/01/solr-multicore-work-with-solr-distributed-searching-to-search-big-index.html

Solr Distributed Searching （分布式搜索） 是 solr 1.3 的特性。大索引，可能有多种原因要把它分成N个小的索引，可以把小索引放到其它的机器上，但是我没这么多机器怎么办呢？solr 1.3 有 multicore，恩，multicore 简单使用  可以看我那一篇文章。各个 core 各不干扰，可以独立做索引（做索引时，可以分散到各个core上）。

现来看下 Distributed Searching 的效果，打开：http://localhost:8080/solr-cores/core0/select/?q=*%3A*&version=2.2&start=0&rows=10&indent=on&shards=localhost:8080/solr-cores/core0,localhost:8080/solr-cores/core1  可以看到三条记录，core0 一条，core1 二条。

接着会有一个问题：原来很多程序调用 solr，用如 localhost:8080/solr-cores/select/?q=*%3A* 。又不想改原来的调用的代码，能不能做到透明呢，探索...

记得以前看 solr 文档时可以定义一些默认的查询参数，那 shards 参数也应该可以写在配置里。然后再 core0 的 solrconfig.xml 文件里的 standard request handler 里加入这参数，如：

  
<
requestHandler
 
name
=
"standard"
 
class
=
"solr.SearchHandler"
 
default
=
"true"
>
  <!-- default values for query parameters -->
   <
lst
 
name
=
"defaults"
>
     <
str
 
name
=
"echoParams"
>
explicit
</
str
>
     <
str
 
name
=
"shards"
>
localhost:8080/solr-cores/core0,localhost:8080/solr-cores/core1
</
str
>
   </
lst
>
</
requestHandler
>

马上运行下，但好长时间没有结果，CPU使用率很高，深思了下，.... 估计是死循环，因为solr解析shards后，调用shard时，是用默认的request handler。而其中一个shard又是core0(自身)，那就等于不会结果的递归。所以这种方法不行。要避免死循环，就不要core0来做合并，可 以找其它。于是我就加了一个tomcat实例如localhost:8080/solr来做代理（合并结果），结果成功运行。

想来想去，能不能不要另一个tomcat实例呢，直接就用一个 core，继续再探索... 。

我再开一个 core 就命名为 core，复制core0为core。把原来core0/solrconfig.xml的配置的shards去掉，然后在 solr1.3/example/multicore/solr.xml里加，如：

<?
xml
 
version
=
"1.0"
 
encoding
=
"UTF-8"
 
?>
<
solr
 
persistent
=
"false"
>

  <
cores
 
adminPath
=
"/admin/cores"
>
    <
core
 
name
=
"core"
 
instanceDir
=
"core"
 
/>
    <
core
 
name
=
"core0"
 
instanceDir
=
"core0"
 
/>
    <
core
 
name
=
"core1"
 
instanceDir
=
"core1"
 
/>
  </
cores
>
</
solr
>

结果成功运行。其中，core0、core1是有数据的，而core是没数据的，core只是运行合并。问题虽然可以差强人意地解决。但是还有一个 问题：原来的程序要调用solr，所有url不能改变，加了core是要改url 的，看源码时发现它可以为core名定义别名，就是用“，”号隔开。改为如下：

<?
xml
 
version
=
"1.0"
 
encoding
=
"UTF-8"
 
?>
<
solr
 
persistent
=
"false"
>

  <
cores
 
adminPath
=
"/admin/cores"
>
    <
core
 
name
=
"core,,"
 
instanceDir
=
"core"
 
/>
    <
core
 
name
=
"core0"
 
instanceDir
=
"core0"
 
/>
    <
core
 
name
=
"core1"
 
instanceDir
=
"core1"
 
/>
  </
cores
>
</
solr
>

"core,,"为什么是两个","号呢？。"core,"解析不出两个名，所有就无别名了。"core,,"，解析出两个名，一是："core，一是："" 空串。有了空串就可以原来的url可以到达core（合并的core）。

至于死循环问题，同事在看源码，看是否不用多加一个额外的core来合并。结果他发现一个shard.qt的参数可以解决此问题，本质就是让所有的 shard调用不用默认request handler，shard.qt可以做到这一点，使所有的shard调用都加qt参数。

现来改为最后的方案，在core0与core1的solrconfig.xml里加一个request handler如：

<
requestHandler
 
name
=
"shard"
 
class
=
"solr.SearchHandler"
 
/>

然后再core0的solrconfig.xml的默认request handler加shards参数，与shards.qt为shard（shard request handler），如：

<
requestHandler
 
name
=
"standard"
 
class
=
"solr.SearchHandler"
 
default
=
"true"
>
<!-- default values for query parameters -->
 <
lst
 
name
=
"defaults"
>
   <
str
 
name
=
"echoParams"
>
explicit
</
str
>
   <
str
 
name
=
"shards.qt"
>
shard
</
str
>
   <
str
 
name
=
"shards"
>
localhost:8080/solr-cores/core0,localhost:8080/solr-cores/core1
</
str
>
 </
lst
>
</
requestHandler
>

然后在，solr.xml里的core（没数据的去掉），把core0加上空的别名，如：

<
core
 
name
=
"core0,,"
 
instanceDir
=
"core0"
 
/>

当然也可以在core1里加相同的参数，这样core0与core1的功能是一样的，就是两个搜索的url都可以找到所有的数据，我认为：每个配置 一样，在索引分到其它机器的时候比较有作用(如果这样，可以不用multicore的形式，即原始形式)，在外面看不出是几个索引的，同时合并的任务也均 匀一些。

Solr Distributed Searching 当然也会消耗，合并的core会向每个shard的core发送两次请求：第一次是找id；第二次是根据id再找文档。如果有N个shard，可以认为有 2N+1次请求，1是作合并的请求，其中2N的请求（发每个shard发送的）是用二进制协议通信，性能比xml协议好。