solrCloud 索引更新逻辑学习笔记

最新推荐文章于 2020-06-10 12:51:57 发布

源远流长

最新推荐文章于 2020-06-10 12:51:57 发布

阅读量8.2k

点赞数 2

分类专栏：技术学习笔记搜索引擎 solr

本文链接：https://blog.csdn.net/duck_genuine/article/details/8473502

版权

技术学习笔记同时被 3 个专栏收录

183 篇文章 0 订阅

订阅专栏

搜索引擎

104 篇文章 0 订阅

订阅专栏

solr

29 篇文章 0 订阅

订阅专栏

转发请声明原文：http://blog.csdn.net/duck_genuine/article/details/8473502

ZkCoreNodeProps 封装了一个node的相关信息，包括base_url，core_name,state,node_name,core_url,isLeader

SolrCmdDistributor

solr分布式更新的一个重要实现工具类，因为它本身的只负责分布式的请求处理，并没有很多的业务逻辑。

staticAdjustableSemaphoresemaphore = new AdjustableSemaphore(8);

限制同时并发的请求最多数。从构造函数看可以跟结点数相关，但最大是16.

public SolrCmdDistributor(intnumHosts, ThreadPoolExecutorexecutor) {
    int maxPermits = Math.max(16, numHosts * 16);
    // limits how many tasks can actually execute at once
    if (maxPermits != semaphore.getMaxPermits()) {
      semaphore.setMaxPermits(maxPermits);
    }

    completionService = new ExecutorCompletionService<Request>(executor);
    pending = new HashSet<Future<Request>>();
  }

privatefinalMap<Node,List<AddRequest>> adds = new HashMap<Node,List<AddRequest>>();
privatefinalMap<Node,List<DeleteRequest>> deletes = new HashMap<Node,List<DeleteRequest>>();

这两个字段主要是实现用于缓存更新请求

执行缓存的请求，调用下面方法

 publicvoid finish() {

    // piggyback on any outstanding adds or deletes if possible.
    flushAdds(1);
    flushDeletes(1);

    checkResponses(true);
  }

提交请求

void submit(UpdateRequestExt ureq, Node node) {
    Request sreq = new Request();
    sreq.node = node;
    sreq.ureq = ureq;
    submit(sreq);
  }

然后是检查响应结果，调用

void checkResponses(booleanblock) 作为检查上一次提交的请求响应。当请求需要重试的时候，会默认重试最大次数10次

将最终结果返回到响应结果里，有异常也会记录下来。

分布式增加更新

publicvoid distribAdd(AddUpdateCommand cmd, List<Node> nodes, ModifiableSolrParams params) throws IOException {

//执行前都会去掉之前还会检查可能没响应完的请求，不等待，直接删除旧的请求。
    checkResponses(false);
    
    // 确保所有删除的请求被执行

    flushDeletes(1);
   
      //克隆更新请求重用
    AddUpdateCommand clone = new AddUpdateCommand(null);
    clone.solrDoc = cmd.solrDoc;
    clone.commitWithin = cmd.commitWithin;
    clone.overwrite = cmd.overwrite;
    clone.setVersion(cmd.getVersion());
    AddRequest addRequest = new AddRequest();
    addRequest.cmd = clone;
    addRequest.params = params;

       //增加对每个节点的请求到缓存adds里
    for (Nodenode : nodes) {
      List<AddRequest> alist = adds.get(node);
      if (alist == null) {
        alist = new ArrayList<AddRequest>(2);
        adds.put(node, alist);
      }
      alist.add(addRequest);
    }
    //执行缓存adds的请求
    flushAdds(maxBufferedAddsPerServer);
  }

其它的doDelete,addCommit的请求逻辑的处理都相差不多

DistributedUpdateProcessor

这个是solrCloud主要的一个更新处理链，使用cloud模式的时候必要的一个处理链，负责分布式更新的逻辑处理

一个重要的hash算法，作为更新记录具体分配到哪个shard的算法

这算法应该会在后期重构并设计为插件方式，可被用户自定议的hash算法替换。

private int hash(AddUpdateCommandcmd) {
    String hashableId = cmd.getHashableId();
    
    return Hash.murmurhash3_x86_32(hashableId, 0, hashableId.length(), 0);
  }
  
  private int hash(DeleteUpdateCommandcmd) {
    return Hash.murmurhash3_x86_32(cmd.getId(), 0, cmd.getId().length(), 0);
  }

其中cmd.getHashableId()方法返回的主要是文档的主键的值

通过hash值定位更新到哪个shard

private String getShard(int hash, String collection, ClusterState clusterState) {
    return clusterState.getShard(hash, collection);
  }

通过取到collection对应的RangeInfo，计算该hash值座落在哪个Range，就可以计算到相应的shard

 public String getShard(int hash, String collection) {
    RangeInfo rangInfo = getRanges(collection);
   
    int cnt = 0;
    for (Range range : rangInfo.ranges) {
      if (range.includes(hash)) {
        return rangInfo.shardList.get(cnt);
      }
      cnt++;
    }
   
    throw new IllegalStateException("The HashPartitioner failed");
  }

HashPartitioner

做为切分为多个范围的Range，主要实现方法如下：

public List<Range> partitionRange(int partitions, int min, int max) {
    assert max >= min;
    if (partitions == 0) return Collections.EMPTY_LIST;
    long range = (long)max - (long)min;
    long srange = Math.max(1, range / partitions);

    List<Range> ranges = new ArrayList<Range>(partitions);

    long start = min;
    long end = start;

    while (end < max) {
      end = start + srange;
      // make last range always end exactly on MAX_VALUE
      if (ranges.size() == partitions - 1) {
        end = max;
      }
      ranges.add(new Range((int)start, (int)end));
      start = end + 1L;
    }

    return ranges;
  }

指定了某个范围[min,max]切分为多个partitions的Ranges;切分的范围是按平均的切分。

Range类封装了主键hash值范围【min,max】

RangeInfo封装一个collection下所有shard信息对应的Range,主要实现方法如下：

private RangeInfo addRangeInfo(String collection) {
    List<Range> ranges;
    RangeInfo rangeInfo= new RangeInfo();
    Map<String,Slice> slices = getSlices(collection);
    if (slices == null) {
      throw new SolrException(ErrorCode.BAD_REQUEST, "Can not find collection "
          + collection + " in " + this);
    }
    Set<String> shards = slices.keySet();
    ArrayList<String> shardList = new ArrayList<String>(shards.size());
    shardList.addAll(shards);
    Collections.sort(shardList);  
    ranges = hp.partitionRange(shards.size(), Integer.MIN_VALUE, Integer.MAX_VALUE);
    rangeInfo.ranges = ranges;
    rangeInfo.shardList = shardList;
    rangeInfos.put(collection, rangeInfo);
    return rangeInfo;
  }

从上面方法的实现可以看到，会先将所有shard的名称排序，然后根据shard的大小切分相应的多个的范围，每一个shard在排序完的位置有对应的范围Range，两者的信息存放在RangeInfo.

不用担心，上面按整数最小值，最大值的平均切分的范围会导致分配不匀的情况，

可能你会担心如果我的主键值是整数，那主键的hash值会不会跟他的值所对应呢，这样的话，会让hash出来的数据先填满小的shard，其它shard不够匀称。其实设计者本身使用的hash算法是针对任何类型，取的主键值也是以字节数组去做hash。这个可以自己使用它的hash算法去校验。

再来看一下DistributedUpdateProcessor

先看add请求，请求的来源有多种：

privateList<Node> setupRequest(inthash)

此方法就是为了判断上面请求来源而决定分发的结点

请求来自leader转发：FROMLEADER，那么就只需要写到本地ulog,不需要转发给leader，也不需要转发给其它replicas
请求不是来自leader，但自己就是leader，那么就需要将请求写到本地，顺便分发给其他的replicas.
请求不是来自leader，但自己又不是leader,也就是该更新请求是最原始的更新请求，那么需要将请求写到本地ulog，顺便转发给leader,再由leader分发

所以为了不让更新请求不会转发来转发去。提交索引的时候，只提交给所有leader是最佳选择。

也就是能预先知道该数据是要到哪个leader，这个solrj好像有实现。solrcloudserver，分对更新的数据预先做分发请求。

先来讲一下增加的更新逻辑

@Override
  public void processAdd(AddUpdateCommand cmd) throws IOException {
    int hash = 0;
    if (zkEnabled) {//cloud模式下
      zkCheck();//检查zk连接状态
      hash = hash(cmd);//取得更新请求hash值，再决定hash到哪一个shard
      //判断更新请求来源，决定需要转发的nodes
      nodes = setupRequest(hash);
    } else {
      isLeader = getNonZkLeaderAssumption(req);
    }
    
    boolean dropCmd = false;
    if (!forwardToLeader) {//不需要转发，即是请求来源是由leader转发来的，或者本人就是leader
      dropCmd = versionAdd(cmd);//决定该请求是否丢弃，丢弃原因：1）只需要更新到ulog，也就是请求是来源leader转发来的，不需写到索引。2）ulog已有该更新记录且版本比当前的版本更新，则可以丢弃。

    }

   // 可以丢弃该请求，不需要写到lucene索引
    if (dropCmd) {
      // TODO: do we need to add anything to the response?
      return;
    
    ModifiableSolrParams params = null;
    if (nodes != null) {
      
      params = new ModifiableSolrParams(filterParams(req.getParams()));
      }
       //需要转发该请求，转发leader,或者由leader分发
      params.set(DISTRIB_UPDATE_PARAM, 
                 (isLeader ? 
                  DistribPhase.FROMLEADER.toString() : 
                  DistribPhase.TOLEADER.toString()));
      if (isLeader) {
        params.set("distrib.from", ZkCoreNodeProps.getCoreUrl(
            zkController.getBaseUrl(), req.getCore().getName()));
      }

      params.set("distrib.from", ZkCoreNodeProps.getCoreUrl(
          zkController.getBaseUrl(), req.getCore().getName()));

      //转发请求到nodes    
      cmdDistrib.distribAdd(cmd, nodes, params);
    }
     //增加更新的响应内容 
    if (returnVersions && rsp != null && idField != null) {
      if (addsResponse == null) {
        addsResponse = new NamedList<String>();
        rsp.add("adds",addsResponse);
      }
      if (scratch == null) scratch = new CharsRef();
      idField.getType().indexedToReadable(cmd.getIndexedId(), scratch);
      addsResponse.add(scratch.toString(), cmd.getVersion());
    }
  }

处理删除逻辑也是差不多。

暂时到这里，有待补充。。

转发请声明原文：http://blog.csdn.net/duck_genuine/article/details/8473502

源远流长

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
2
评论
solrCloud 索引更新逻辑学习笔记

转发请声明原文：http://blog.csdn.net/duck_genuine/article/details/8473502ZkCoreNodeProps 封装了一个node的相关信息，包括base_url，core_name,state,node_name,core_url,isLeaderSolrCmdDistributorsolr分布式更新的一个重要实现工具类，
复制链接

扫一扫