Solr增量索引

注：全量索引和增量索引data-config.xml和delta-data-config.xml配置文件默认放在和solrconfig.xml同级目录

solrconfig.xml配置如下：

[java]  view plain  copy

 

1. <requestHandler name="/dataimport"  
2.          class="org.apache.solr.handler.dataimport.DataImportHandler">  
3.          <lst name="defaults">  
4.               <str name="config">delta-data-config.xml</str>  
5.          </lst>  
6.     </requestHandler>  

delta-data-config.xml

[java]  view plain  copy

 

1.  <dataConfig>  
2.     <dataSource name="jdbc" driver="com.mysql.jdbc.Driver"  
3.         url="jdbc:mysql://localhost:3306/test?zeroDateTimeBehavior=convertToNull"  
4.         user="root" password="shyh"/>  
5.     <document name="st_data">  
6.         <entity name="solrtext" pk="id"  
7.                query="select * from solrtext"  
8.                 deltaImportQuery="select * from solrtext where id='${dih.delta.id}'"  
9.                 deltaQuery="select id from solrtext where addon > '${dih.last_index_time}'"  
10.                 transformer="RegexTransformer">  
11.             <field column="id" name="id" />  
12.             <field column="url" name="url" />  
13.             <field column="title" name="title" />  
14.             <field column="author" name="author" />  
15.         <field column="addon" name="addon"/>  
16.         <field column="path" name="path"/>  
17.         </entity>  
18.     </document>  
19. </dataConfig>  

schemal.xml

[java]  view plain  copy

 

1. <field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />   
2. <field name="url" type="text_general" indexed="true" stored="true" />  
3. <field name="title" type="text_general" indexed="true" stored="true"/>  
4. <field name="author" type="text_general" indexed="true" stored="true"/>  
5. <field name="addon" type="string" indexed="true" stored="true"/>  
6.  <field name="path" type="string" indexed="false" stored="true"/>  

上面主要是通过内置变量“${dih.delta.id}”和 “${dih.last_index_time}”来记录本次索引的id和最后索引时间。这里，会保存在deltaimport.properties文件中，示例如下：

[java]  view plain  copy

 

1. #Mon Jan 26 11:13:07 CST 2015  
2. solrtext.last_index_time=2015-01-26 11\:12\:35  
3. last_index_time=2015-01-26 11\:12\:35  

配置定时任务：

• 将 apache-solr-dataimportscheduler-1.0.jar 和solr自带的 apache-solr-dataimporthandler-.jar, apache-solr-dataimporthandler-extras-.jar 放到tomcat/webapps/solr/WEB-INF的lib目录下面 
• 修改solr中WEB-INF/web.xml
• [java]  view plain  copy

   

  1. <listener>  
  2.           <listener-class>  
  3.                 org.apache.solr.handler.dataimport.scheduler.ApplicationListener  
  4.           </listener-class>  
  5. </listener>  
  
  将apache-solr-dataimportscheduler-.jar 中 dataimport.properties 取出并根据实际情况修改,然后放到 solr.home/conf (不是solr.home/core/conf) 目录下面 ，我的位置为：F:\solr\solrhome\conf（如不存在conf可手动新建，dataimport.properties存放在tomcat的solr.xml里配置的solr/home路径的conf文件夹下）
  
• solr.xml配置如下
• [java]  view plain  copy

   

  1. <?xml version="1.0" encoding="UTF-8" standalone="yes"?>  
  2.    <Context docBase="F:\solr\apache-tomcat-7.0.53\webapps\solr.war" debug="0" crossContext="true" >  
  3.     <Environment name="solr/home" type="java.lang.String" value="F:\solr\solrhome" override="true" />  
  4.    </Context>  
  
  
  
• dataimport.properties配置说明
• [java]  view plain  copy

   

  1. #################################################  
  2. #                                               #  
  3. #       dataimport scheduler properties         #  
  4. #                                               #  
  5. #################################################  
  6.    
  7. #  to sync or not to sync  
  8. #  1 - active; anything else - inactive  
  9. syncEnabled=1  
  10.    
  11. #  which cores to schedule  
  12. #  in a multi-core environment you can decide which cores you want syncronized  
  13. #  leave empty or comment it out if using single-core deployment  
  14. syncCores=collection1  
  15.    
  16. #  solr server name or IP address  
  17. #  [defaults to localhost if empty]  
  18. server=localhost  
  19.    
  20. #  solr server port  
  21. #  [defaults to 80 if empty]  
  22. port=8080  
  23.    
  24. #  application name/context  
  25. #  [defaults to current ServletContextListener's context (app) name]  
  26. webapp=solr  
  27.    
  28. #  URL params [mandatory]  
  29. #  remainder of URL  
  30. params=/dataimport?command=delta-import&clean=false&commit=true  
  31.    
  32. #  schedule interval  
  33. #  number of minutes between two runs  
  34. #  [defaults to 30 if empty]  
  35. interval=1  
  36.    
  37. #  重做索引的时间间隔，单位分钟，默认7200，即5天;   
  38. #  为空,为0,或者注释掉:表示永不重做索引  
  39. reBuildIndexInterval=7200  
  40.    
  41. #  重做索引的参数  
  42. reBuildIndexParams=/dataimport?command=full-import&clean=true&commit=true  
  43.    
  44. #  重做索引时间间隔的计时开始时间，第一次真正执行的时间=reBuildIndexBeginTime+reBuildIndexInterval*60*1000；  
  45. #  两种格式：2012-04-11 03:10:00 或者  03:10:00，后一种会自动补全日期部分为服务启动时的日期  
  46. reBuildIndexBeginTime=03:10:00