Solr DataImportHandler 配置

DIH主要用于从数据库抓取数据并创建索引。另外还可以从HTTP(RSS、ATOM)拉数据。

相关概念:
  • Datasource:数据源,包括获取数据必需的信息:数据位置(url)、数据库driver、登录账号和密码
  • Entity:相当于数据库的一个视图,可以从一个表或联表查询获得
  • Processor:数据处理器,负责从数据源中获取数据、处理、然后加入到索引中
  • Transformer:数据转换器,可选,负责修改数据、创建新的field、或根据需要把一条记录变成多条记录

首先,链接数据库需要 mysql connector
下载地址: http://mvnrepository.com/搜索:mysql connector java
点击最新版本号,点击“Download ( JAR ) ”下载,或(更方便的方法)复制链接地址,然后用wget下载:
cd /opt/app/solr/server/solr-webapp/webapp/WEB-INF/lib/
wget http://central.maven.org/maven2/mysql/mysql-connector-java/5.1.36/mysql-connector-java-5.1.36.jar

配置:

solrconfig.xml中添加 requestHandler,例如:
  <requestHandler name="/dataimport" class="solr.DataImportHandler">
    <lst name="defaults">
      <str name="config">db-data-config.xml</str>
    </lst>
  </requestHandler>

config参数指定DIH配置文件的位置。DIH配置文件负责指定数据源、拉取和处理数据的方法。

solrconfig.xml 中添加DIH jar包依赖:
<lib dir="${solr.install.dir:../../../..}/dist/" regex="solr-dataimporthandler-.*\.jar" />

DIH配置文件:
根节点:<dataConfig>
  • dataSource
    • type: 数据源类型,如:JdbcDataSource(缺省值),采用SqlEntityProcessor
    • driver: 数据库驱动,如:com.mysql.jdbc.Driver
    • convertType: 
    • url: 数据库url
    • user: 你懂的
    • password: 你懂的
  • document
    • entity
      • name: 随便起的一个标志,可以给嵌套的entity使用,比如${item.id}(假设name="item")
      • query: 拉取所有数据的语句
      • deltaQuery: 拉取delta数据的语句,如:deltaQuery="select * from xxx where last_modified > '${dataimporter.last_index_time}'"
      • field: 指定 dataSource 的 field 和 solr 的field的对应关系,如:<field name="NAME" column="name" />
      • entity: 嵌套的entity,定义一些一对多的数据。可以使用父entity的name作为条件,比如:where item_id='${item.id}'
      • transformer: 指定transformer对象,多个的话用逗号分开

配置文件例子文件名:db-data-config.xml
<dataConfig>
  <dataSource type="JdbcDataSource"
              driver="com.mysql.jdbc.Driver"
              convertType="true"
              url="jdbc:mysql://127.0.0.1:3306/db_name"
              user="sa"
              password="123456"/>
  <document>
    <entity name="course_video" query="SELECT id, title, content, tags FROM ts_course_video" >
    </entity>
  </document>
</dataConfig>

需要和另外一个配置文件配合使用:schema.xml,定义了field和fieldType,参考: http://blog.csdn.net/clementad/article/details/47666043
例子:
<?xml version="1.0" encoding="UTF-8" ?>

<schema name="course_video" version="1.5">
        <field name="id" type="int" indexed="true" stored="true" required="true" multiValued="false" />

        <field name="_version_" type="long" indexed="true" stored="true"/>

        <field name="title" type="string" indexed="true" stored="true" required="true" multiValued="false" />
        <field name="tags" type="string" indexed="true" stored="false" required="false" multiValued="false" />
        <field name="content" type="string" indexed="true" stored="true" required="false" multiValued="false" />

        <field name="info_text" type="text_general" indexed="true" stored="false" multiValued="true" />

        <copyField source="title" dest="info_text" />
        <copyField source="content" dest="info_text" />
        <copyField source="tags" dest="info_text" />

        <uniqueKey>id</uniqueKey>

        <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
        <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/> 

    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
      <analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>

      <analyzer type="query">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
    </fieldType>

</schema>

通过HTTP请求(POST或GET)执行各种DIH操作:
请求格式:http://<host>:<port>/ solr/ <collect  ion_name>/ dataimport? command=<command>
其中,各种<command>如下:
  • abort:停止当前正在进行的操作
  • delta-import:调用deltaQuery拉取数据。可以带上几个额外的参数:&clean=true&commit=true等等(和full_import相同)
  • full-import:调用query拉取所有数据。请求会马上返回,后台有新线程执行重建索引的操作。可以通过status操作查询状态。额外参数:
    • clean:缺省为true。是否在开始重建索引前清除旧索引
    • commit:缺省为true。是否提交操作请求
    • debug:缺省为false。debug模式,不会commit操作。如果同时需要commit,得带上commit=true参数
    • entity:缺省为所有的entity。可以指定某一个或多个entity
    • optimize:缺省为true。是否需要在完成操作后优化索引
  • reload-config:如果修改了配置文件,执行这个命令使它生效
  • status:返回各种统计数据、以及DIH的当前状态

(原创文章,转载请注明转自Clement-Xu的博客)




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值