solrcloud mysql_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

usetest;

DROP TABLE IF EXISTS`solr_test_info`;

CREATE TABLE`solr_test_info`(

`id`int(10)unsignedNOT NULL AUTO_INCREMENT,

`name`varchar(100)NOT NULL,

`address`varchar(40)NOT NULL,

PRIMARY KEY(`id`)

)ENGINE=InnoDBAUTO_INCREMENT=5DEFAULT CHARSET=utf8;

------------------------------

--Recordsof 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.jarsolr-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 -- collection1

# 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/collection1null

2. 上传文件到指定Znode -- collection1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 configset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

solr-data-config.xml

其中 solr-data-config.xml需要我们自己定义：

query="select id, name, address from solr_test_info">

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：

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lastindextime,可以通过dataimporter.entityname.lastindextime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=2018-12-0613\:03\:14

solr_test_info.last_index_time=2018-12-0613\:03\:14

lastindextime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 ExecuteQuery，进行全部查询。返回结果如下图所示：