SolrCloud6.1.0之SQL查询测试

[img]http://dl2.iteye.com/upload/attachment/0118/5731/45034bcd-0752-315e-b020-418d468423ae.jpg[/img]

[size=medium]
Solr发展飞快，现在最新的版本已经6.1.0了，下面来回顾下Solr6.x之后的一些新的特点：


（1）并行SQL特性支持，编译成Streaming 表达式，可以在solrcloud集群中，并行执行
（2）SolrCloud的Collection被抽象成关系型数据库表，现在不仅仅可以支持强大的全文检索，还通过SQL支持像数据库一样的BI分析
（3）在SQL的where语句中，全面支持强大的Lucene/Solr语法
（4）一些聚合操作例如Group会自动优化成并行操作，通过使用Streaming表达式来以Map-Reduce的方式运行
（5）在（4）中运行的聚合操作，还可以以原生的JSON Facet 方式，来优化提升性能
（6）SQL特性目前仅支持SolrCloud集群方式，单机方式并不支持


有关SolrCloud的集群搭建，在这里散仙就不详细说了，有兴趣的朋友，可以参考我前面的文章
[url]http://qindongliang.iteye.com/blog/2275990[/url]，搭建好的集群如下：
[/size]

[img]http://dl2.iteye.com/upload/attachment/0118/5706/64027894-f153-30a3-bdfa-0e8879c1b8a7.png[/img]

[size=medium]
实际上像Solr或者ElasticSearch能支持SQL，这并不奇怪，因为他们底层基本上都提供了SQL能支持的大部分功能接口，比如，排序，过滤
分组，聚合等一些操作，能支持SQL，但不意味着能取代关系型数据库，恰恰相反，NoSQL是作为SQL的有力补充，怎么样组合搭配使用，能把业务
场景优化的更好，或者能解决某类问题，才是引入这些框架的初衷。

前面说到，Solr在api层面已经有各种功能的接口，缺的就是一个SQL语法解析器，以及如何与最新的Java8的对接？ 所以在Solr6.x里面，引入两个
最重要的东东就是：

（1）引入了Facebook开源的大数据SQL检索框架Presto的SQL Parser
（2）使用Java8的Streaming Api写的Streaming Expressions （流式表达式），支持类似shell的管道的计算方式，可以对数据流进行各种复杂操作例如各种join，
也可以进行图谱查询


使用Solrj通过JDBC查询Solr，目前只能查，暂不支持更新，修改，删除等操作
依赖jar包：
$SOLR_HOME/dist/solrj-libs 所有的jar
$SOLR_HOME/dist/solr-solrj-<version>.jar solr-solrj.jar
如果是maven项目：
[/size]

<!-- https://mvnrepository.com/artifact/org.apache.solr/solr-solrj -->
<dependency>
    <groupId>org.apache.solr</groupId>
    <artifactId>solr-solrj</artifactId>
    <version>6.1.0</version>
</dependency>

[size=medium]
下面来看一段Solrj通过JDBC查询示例：[/size]

    Connection con=null;
        Statement stmt=null;
        ResultSet rs=null;
        try{
            String collection="sql_search";  
            String aggregationMode="facet";// facet or map_reduce
            //注意solr//:后面跟的是zk集群地址，如果有chroot path还需要加上
            con=DriverManager.getConnection("jdbc:solr://192.168.1.184:2181/solr6?collection="+collection+"&aggregationMode="+aggregationMode+"&numWorkers=2");
            //检索，排序，topN
            String sql1="select dtime  from big_search order by dtime desc limit 4 ";
            //多级分组，排序1
            String sql2="select t1,t2,t3 , count(*)  from big_search group by t1,t2 ,t3 order by count(*) desc limit 3  ";
            //分组，过滤，排序2        
            String sql21="select t1, count(*)  from big_search group by t1 having count(*) > 2 order by count(*) desc    ";
            //去重
            String sql221="select distinct t3 from sql_search limit 2  ";
            //全文检索查询
            String sql15="select rowkey from big_search  where title='(你好 苏州)' limit 4  ";
            //聚合函数  支持max，min，avg，sum，count
            String sql4="select count(*) from big_search  limit 2 ";
            //提取字段
            String sql3="select t1,t2 from big_search ";
            stmt = con.createStatement();//编译sql
            rs = stmt.executeQuery(sql21);//执行sql
            ResultSetMetaData metaData = rs.getMetaData(); //获取字段名元数据
            String line_space="\t"; //格式化打印
            for(int i=1;i<=metaData.getColumnCount();i++){
                System.out.print(metaData.getColumnName(i)+line_space);//打印表头
            }
            System.out.println();
            while(rs.next()) {//循环从游标提取数据
                for(int i=1;i<=metaData.getColumnCount();i++){//遍历列头
                    System.out.print(rs.getString(metaData.getColumnName(i))+line_space);//格式化打印字段内容
                }
                System.out.println();
            }
            } finally {
                if(rs!=null){
            rs.close();
                }
                if(stmt!=null){
            stmt.close();
                }
                if(con!=null){
            con.close();
                }
            }

        System.out.println("====end====");

[size=medium]
下面来看一段使用流式表达式查询的操作，无须任何依赖，在Solr的Admin界面就能操作；
图中的代码的是查询solrcloud中每个shard一条数据，然后总共返回3条数据，最后对3条数据，排序，取top1
[/size]


[img]http://dl2.iteye.com/upload/attachment/0118/5708/1374abdd-568d-39b1-80ae-41627761aa82.png[/img]


[size=medium]
总结：

（1）关于如何集成中文分词IK或者Ansj

单机版的solr，如果是IK，需要在
solr\server\solr-webapp\webapp\WEB-INF目录下，新建一个classes目录，将其词库文件全部放进去
然后将IK的jar包，放入solr\server\solr-webapp\webapp\WEB-INF\lib下。

如果是Ansj，则需要将Ansj相关的jar包放入solr\server\solr-webapp\webapp\WEB-INF\lib下，
然后将Ansj的library的目录，放在solr\server中。

在SolrCloud集群模式中，是需要把某个collection下的conf下的所有文件，上传到zookeeper上的，所有的shard都会
从zk上加载所需的文件，包括一些词库的配置，这个时候，放在本地磁盘上的词库，是不会被识别的，所以你需要把上传的词库
文件一起上传到zk上，然后配置合理的路径即可，任何文件的更新，都需要reload整个collection才能更新（solr6之前是需要relaod所有的shard），
否则，发生的改动不会被识别。


（2）理解map_reduce 和 facet两种聚合模式

A： map_reduce 模式，支持任意多字段的聚合查询，不受限制，但性能稍低
测试环境5个shard+3个副本
测试数据，必须大于6（shard+1）条数据，否则会报错

可测 group+distict
[/size]

[img]http://dl2.iteye.com/upload/attachment/0118/5710/2390d380-ede6-313e-8ae2-b094fdedb409.png[/img]


[size=medium]执行流程如下：[/size]

[img]http://dl2.iteye.com/upload/attachment/0118/5712/6292ce4e-d8c9-3b35-b2bb-c6e4ab1aaca3.png[/img]


[size=medium]
B：facet 模式，使用Solr原生的Json Facet Api 操作，受一定索引的限制，但性能较高
只要求有shard，有数据，即可测试，利用solr原生的Facet api进行聚合[/size]

[img]http://dl2.iteye.com/upload/attachment/0118/5714/ca7e96ff-8bb8-321c-a9ea-da5a3debf329.png[/img]


[size=medium]
（3）理解DocValue对SQL查询的影响
大部分情况下在Solr中的SQL查询，是需要加上limit关键词的，如果你不加，要么你就会发现，你的查询可能会莫名其妙的报错
这个时候问题的原因大部分是跟DocValue有关的， Solr6要求，所有不加的limit查询的字段，必须全部是DocValue激活的
字段，如果任何一个不是，那么查询肯定报错，如果你加了limit关键词，要么可以不受这个限制影响。

至于为什么必须要激活DocValue字段才能进行all字段提取查询，主要目的还是为了性能，想了解DocValue可以
参考散仙之前的文章：[url]http://qindongliang.iteye.com/blog/2297280[/url]


（4） Solr6支持客户端工具（像MySQL的NaviCat）查询链接：

A：DbVisualizer （C/S客户端GUI）
B：SQuirreL SQL （C/S客户端GUI）
C：Apache Zeppelin （B/S web端）
大部分都需要配置添加有关的solr的jdbc的jar包，具体安装方式参考文末链接

（5）除了JDBC方式支持SQL查询，http方式也是可以的：
[/size]

[search@h1 ~]$ cat sql.sh 
## 聚合模式 map_reduce
#curl --data-urlencode 'stmt=SELECT t1, count(*) FROM sql_search GROUP BY t1 ORDER BY count(*) desc LIMIT 10'  http://192.168.1.120:8983/solr/sql_search/sql?aggregationMode=map_reduce
## 聚合模式 facet
curl --data-urlencode 'stmt=SELECT t1, count(*) FROM sql_search GROUP BY t1 ORDER BY count(*) desc LIMIT 10'  http://192.168.1.120:8983/solr/sql_search/sql?aggregationMode=facet
[search@h1 ~]$ sh sql.sh 
{"result-set":{"docs":[
{"count(*)":4,"t1":"01"},
{"count(*)":2,"t1":"02"},
{"count(*)":2,"t1":"03"},
{"count(*)":2,"t1":"04"},
{"count(*)":2,"t1":"05"},
{"EOF":true,"RESPONSE_TIME":84}]}}

[size=medium]
官网文档：
[url]https://cwiki.apache.org/confluence/display/solr/Streaming+Expressions[/url]
[url]https://cwiki.apache.org/confluence/display/solr/Parallel+SQL+Interface#ParallelSQLInterface-SQLClientsandDatabaseVisualizationTools[/url]

[/size]
[b][color=green][size=large]
有什么问题可以扫码关注微信公众号：我是攻城师(woshigcs)，在后台留言咨询。
技术债不能欠，健康债更不能欠， 求道之路，与君同行。
[/size][/color][/b]
[img]http://dl2.iteye.com/upload/attachment/0104/9948/3214000f-5633-3c17-a3d7-83ebda9aebff.jpg[/img]