Mysql数据导入SolrCloud

Solr主要是做数据搜索的，那么Solr的数据是从哪里来的呢？总不能一条一条的插入吧。Solr也有这方面的考虑，比如配置Dataimport将mysql数据批量导入Solr中。

环境说明：

ambari v2.6.1

SolrCloud 5.5.5

我使用的ambari来自动化安装的Solr

---

一、创建mysql表，并插入数据

创建test数据库，并执行下列语句

use test;
DROP TABLE IF EXISTS `solr_test_info`;
CREATE TABLE `solr_test_info` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(100) NOT NULL,
  `address` varchar(40) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8;

-- ----------------------------
-- Records of solr_test_info
-- ----------------------------
INSERT INTO `solr_test_info` VALUES ('1', '张三', '广东');
INSERT INTO `solr_test_info` VALUES ('2', '李四', '上海');
INSERT INTO `solr_test_info` VALUES ('3', '赵五', '四川');
INSERT INTO `solr_test_info` VALUES ('4', 'tom', '外国');

二、复制jar包

复制三个jar包到Solr指定位置

# 移动solr-dataimporthandler-5.5.5.jar、solr-dataimporthandler-extras-5.5.5.jar、mysql-connector-java.jar到指定目录
cd /usr/lib/ambari-infra-solr/dist
cp -r solr-dataimporthandler-5.5.5.jar solr-dataimporthandler-extras-5.5.5.jar /usr/lib/ambari-infra-solr/server/solr-webapp/webapp/WEB-INF/lib
# mysql-connector-java.jar需要自己下载
cp -r mysql-connector-java.jar /usr/lib/ambari-infra-solr/server/solr-webapp/webapp/WEB-INF/lib

三、创建config set

1. 进入Zookeeper，创建Znode

# node96.xdata为主机名
[root@node97 ~]# /usr/hdp/2.6.4.0-91/zookeeper/bin/zkCli.sh -server node96.xdata
[zk: node97.xdata:2181(CONNECTED) 0] create /infra-solr/configs/collection1 null

2. 上传文件到指定Znode处

Solr官方提供了一个Zookeeper插件 – zkcli.sh，使用该工具，可以实现将本地文件上传到zookeeper的Znode上。具体参见链接：使用zkcli.sh来管理SolrCloud配置文件

# 将managed-schema、solrconfig.xml、solr-data-config.xml、elevate.xml上传至指定Znode处
/usr/lib/ambari-infra-solr/server/scripts/cloud-scripts/zkcli.sh -zkhost node96.xdata:2181,node97.xdata:2181,node98.xdata:2181 -cmd putfile /infra-solr/configs/collection1/managed-schema managed-schema
/usr/lib/ambari-infra-solr/server/scripts/cloud-scripts/zkcli.sh -zkhost node96.xdata:2181,node97.xdata:2181,node98.xdata:2181 -cmd putfile /infra-solr/configs/collection1/solrconfig.xml solrconfig.xml
/usr/lib/ambari-infra-solr/server/scripts/cloud-scripts/zkcli.sh -zkhost node96.xdata:2181,node97.xdata:2181,node98.xdata:2181 -cmd putfile /infra-solr/configs/collection1/solr-data-config.xml solr-data-config.xml
/usr/lib/ambari-infra-solr/server/scripts/cloud-scripts/zkcli.sh -zkhost node96.xdata:2181,node97.xdata:2181,node98.xdata:2181 -cmd putfile /infra-solr/configs/collection1/elevate.xml elevate.xml

备注：

上述文件都在/usr/lib/ambari-infra-solr/example/example-DIH/solr/db/conf目录下；SolrCloud里面也有默认的一组config set配置组，位置在Zookeeper的/infra-solr/configs上面。

核实solrconfig,xml，确保文件内有下述内容

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

其中solr-data-config.xml需要我们自己定义：

<?xml version="1.0" encoding="UTF-8" ?>
<dataConfig>
   <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://node96.xdata:3309/test" user="root" password="root123"/>
      <document>
             <entity name="solr_test_info"
                        query="select id, name, address from solr_test_info">
                              <field column="id" name="id" />
                              <field column="name" name="name" />
                              <field column="address" name="address" />
             </entity>
      </document>
</dataConfig>

说明：

type这是固定值，表示JDBC数据源，后面的driver表示JDBC驱动类，这跟你使用的数据库有关，url即JDBC链接URL,后面的user，password分别表示链接数据库的账号密码，下面的entity映射有点类似hiberante的mapping映射，column即数据库表的列名称，name即schema.xml中定义的域名称。

修改managed-schema文件，在最后新增：

<!-- id的field在文件内已经存在，就不需要再添加了 -->
<field name="name" type="string" multiValued="false" indexed="true" stored="true"/>
<field name="address" type="string" multiValued="false" indexed="true" stored="true"/>

说明：

• **name：**字段名称
• **type：**类型，分为string、int、long等
• **indexed：**是否构建索引，true：可通过该字段查询到相应的结果；false：该字段不能进行查询
• **stored：**是否存储，true：查询到数据是可以返回此字段；false：该字段不进行存储，即便查询到了结果，也不会返回这个字段
• **required：**是否必填，对应数据库中的not null
• **multiValued：**solr中的一个重要概念，在数据库中没有与之对应的概念。指是否进行多存储，该字段表示能否存储一个list或者数组

四、创建一个Collection

Solr有自己的web UI界面，在ambari平台上面的Solr，有两个Solr web UI，分别是：

• http://10.6.6.97:8886/solr/#/ （old UI）
• http://10.6.6.97:8886/solr/index.html#/ （new UI）

这里我们使用新UI页面创建Collection。点击 Collections --> Add Collection

参数说明：

• **name：**将被创建的集合的名字
• **config set：**集合使用的配置组，位置在Zookeeper上面。创建集合之前，必须保证zookeeper上面有所选择的config set。
• **numShards：**集合创建时需要创建逻辑碎片的个数
• **replicationFact：**分片的副本数。replicationFactor(复制因子)为 3 意思是每个逻辑碎片将有 3 份副本。
• **maxShardsPer：**默认值为1，每个Solr服务器节点上最大分片数(4.2新增的)
  注意三个数值：numShards、replicationFact、liveSolrNode（当前存活的solr节点），一个正常的solrCloud集群不容许同一个liveSolrNode上部署同一个shard的多个replicationFact，因此当maxShardsPer=1时，numShards * replicationFact > liveSolrNode时，报错。因此正确时因满足以下条件：numShards*replicationFact < liveSolrNode * maxShardsPer

为了更直观的说明numShards和replicationFact的意思，请看下图的collection1和collection3

• collection1有三个分片，每个分片就一个副本。也就是numShards=3；replicationFact=1；maxShardsPer=1
• collection3有两个分片，每个分片有两个副本。也就是numShards=2；replicationFact=2；maxShardsPer=2
• 均满足条件：numShards*replicationFact < liveSolrNode * maxShardsPer

五、数据导入

Solr提供了full-import和delta-import两种导入方式。

full-import：

多个entity，每个entity有各自的last_index_time,可以通过dataimporter.entityname.last_index_time来取各自的最后更新时间来进行增量更新。

多个entity时，进行full-import时指明导入某个entity。

delta-import

主要是对于数据库（也可能是文件等等）中增加或者被修改的字段进行导入。主要原理是利用率每次我们进行import的时候在ZooKeeper对应的config set配置组下面生成的dataimport.properties`文件，此文件里面有最近一次导入的相关信息。这个文件如下：

#Thu Dec 06 13:03:14 UTC 2018
last_index_time=2018-12-06 13\:03\:14
solr_test_info.last_index_time=2018-12-06 13\:03\:14

last_index_time是最近一次索引（full-import或者delta-import）的时间。

通过比较这个时间和我们数据库表中的timestamp列即可得出哪些是之后修改或者添加的。

---

选择Solr web UI --> collection1 --> Dataimport，点击configuration，可以看到solr-data-config.xml的内容

说明

entity

entity是document下面的标签（solr-data-config.xml）。使用这个参数可以有选择的执行一个或多个entity 。使用多个entity参数可以使得多个entity同时运行。如果不选择此参数那么所有的都会被运行。

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

optimize

是否在索引完成之后对索引进行优化。默认为true

debug

是否以调试模式运行，适用于交互式开发（interactive development mode）之中。

请注意，如果以调试模式运行，那么默认不会自动提交，请加参数“commit=true”

---

选择提交方式为：full-import，点击蓝色按钮Execute，可以选择自动刷新状态。

过一会之后，会出现**Indexing completed.**的字样，会显示增加/更新了多个文档，如下图所示：

六、数据查询

点击Query选项，点击页面下方的蓝色按钮Execute Query，进行全部查询。返回结果如下图所示：

---

更多精彩干货内容，请您关注微信公众号实时查看