公司绝大部分的数据是存储在数据库中。假如有一天数据库已经很大了,公司决定将数据导入到索引中,以改善数据检索的效果,该怎么办呢?
Solr 已经为我们准备好了这样的工具,那就是Data Import Handler 。学习了这几天的solr ,感觉solr 的核心就是它的两个配置文件:schema.xml 和solrconfig.xml
第一步:建立数据库表,并插入测试数据。
在测试数据库中建立一张商品表,表的结构如下:
往数据库表中插入一些数据:
第二步:准备相关的JAR 包。
做过数据库开发的童鞋都知道,要想用数据可就需要连接数据库的接口,java上叫JDBC(Java Data Base Connectivity),别的语言也有类似的接口。
那么,这次我们需要两个jar包,分别是solr-dataimporthandler-4.2.0.jar
和solr-dataimporthandler-extras-4.2.0.jar
,mysql-connector-java-6.0.2.jar
前两个可以在solr的解压目录下的dist目录中获取,后一个我想大家都可以找到的。
将这两个jar包复制到E:\lucene\luceneData\solr4\server\solr\WEB-INF\lib
这个目录下。
第三步:配置导入设置
1. 默认dataImport功能在Solr5中是禁用的,需要在$SolrHome/conf/solrconfig.xml
中添加如下配置开启数据导入功能:
<!-- Data import from mysql 要放在<config></config>中哦--> <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler"> <lst name="defaults"> <str name="config">data-config.xml</str> </lst> </requestHandler> |
2. 因为前面定义了导入的配置文件是data-config.xml
,所以在solrconfig.xml同级目录下新建这个文件,贴出我的配置,内容如下:
<?xml version="1.0" encoding="UTF-8" ?> <dataConfig> <dataSource name="fromMysql" type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://127.0.0.1:3306/jrbac?serverTimezone=UTC" user="root" password="root"/> <document> <entity name="commodity" query="select com_Id,com_Name,com_Title,com_Content,com_Price,com_Number,com_Type,com_SalesVolume,com_Brand,com_ImgURL from jrbac_commodity"> <field column="com_Id" name="id"/> <field column="com_Name" name="comName"/> <field column="com_Title" name="comTitle"/> <field column="com_Content" name="comContent"/> <field column="com_Price" name="comPrice"/> <field column="com_Number" name="comNumber"/> <field column="com_Type" name="comType"/> <field column="com_SalesVolume" name="comSalesvolume"/> <field column="com_Brand" name="comBrand"/> <field column="com_ImgURL" name="comImgurl"/> </entity> </document> </dataConfig> |
其中fromMysql为数据源自定义名称,随便取,没什么约束,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。
还有些设置项、参数不知道什么意思,后面后会说的。现在只要清楚field这个标签是设置数据库表中的列(column)和Solr中的字段的映射关系的。
第四步:进行数据导入
1. 重启Solr,进入管理页面,选中Dataimport这个选项。如果一切正常会出现如下图所示的界面。
右面的那些代码是你点击Configuration后出现的,是data-config.xml
文件中的内容,也是应该首先检查的地方,如果没有这些配置信息,说明数据库导入的配置文件没生效,是solrconfig.xml
文件中开启导入功能的地方出错。
2. 开始导入,要注意command参数,它有两个选项,如下图: full-import:全量导入,它会覆盖原有的索引 delta-import:即增量导入,它会在原有索引的基础上追加
下面的几个多选框含义解释如下: verbose:这个选项设为true的话,会打印导入的一些中间过程的详细信息,有利于调试以及了解内部操作细节 clean:表示是否在导入数据创建索引之前先清空掉原有的索引 commit:表示是否立即提交索引 optimize:表示是否优化索引 debug: 表示是否开启调试模式
3.然后选择需要导入的Entity,点击Execute按钮开始执行数据导入操作,如图:
正常的话就开始进行导入了,如下图
我们可以通过Refresh Status
这个按钮刷新状态,如果出现错误或者Fetched一直是0,那就表明有问题了,你要查看日志进行检查。如果导入成功,就会看到下图所示的情况:
查看OverView菜单,会看到文档信息。
在查询中点击Execute Query
按钮,就能看到我们导进去并建好索引的信息,更具体的查询用法后面会讲到,下面是默认的查询,显示文档的所有信息。
第五步:较为复杂的字段映射
数据库单表多个字段到solr多值字段
例如我数据库一个表中有关于地址的几个字段,分别是国家、省份、地区这样的字段(sight_place_1, sight_place_2, sight_place_3..)我需要把这几个字段放到solr中一个多值字段sight_place中。
题外话:对于关系型数据库不应该这样建表的,至少要满足第二范式,但这里用mysql只是为了存数据。
其实对于这个需求比较容易实现,修改data-config.xml
文件中的entity就行了,配置如下
<field column="sight_place_1" name="sight_place"/>
<field column="sight_place_2" name="sight_place"/>
<field column="sight_place_3" name="sight_place"/>
<field column="sight_place_4" name="sight_place"/>
<field column="sight_place_5" name="sight_place"/>
数据库单表单字段到solr多值字段
前提:数据库中的单字段中的数据包含多值信息,并且用分隔符分开。例如数据库中sight_type字段的值是
sight_name | sight_type |
---|---|
故宫 | 古迹,世界文化遗产,历史建筑,博物馆 |
<entity name="sight" query="SELECT * FROM sight" transformer="RegexTransformer">
<field column="sight_type" name="sight_type" splitBy=","/>
</entity>
这样,导入到sight_type中的数据就是多值的
sight_type{
"博物馆",
"历史建筑",
"世界文化遗产",
"古迹"
}
特别注意: entity的属性transformer要为RegexTransformer,字段映射field属性splitBy设置为你的分隔符
数据库中多表联查到solr多值字段
1. 对于熟悉sql语句的人来讲,通过相对复杂的查询语句可以查到任何条件的结果,例如下面要说的 group_concat
select sight_place_1,GROUP_CONCAT(sight_place_2) as subplace FROM sight GROUP BY sight_place_1
这条查询的结果是
sight_place_1 | subplace |
---|---|
中国 | 北京,台湾,江苏,香港,宁夏,陕西 |
这样就回到了上面的方法了。当然这并不是多表,只是个简单的实例,你可以用更复杂的sql语句实现多表联查。
2. 另外solr也提供了子查询功能,例如下面的实例,更复杂的可以查看官方Wiki
<entity name="comment" pk="id" query="SELECT * FROM comment">
<field column="blogpost_id" name="blogpost_id"/>
<field column="comment_text" name="comment_text" />
<entity name="comment_tags" pk="comment_id" query="SELECT * FROM comment_tags WHERE comment_id='${comment.id}'">
<field column="tag" name="tag" />
</entity>
</entity>
一些问题
不可行:多值字段按照下标取值 本来我想着取多值字段的sight_place的第二个值,就是省份,但最后发现这并不可行,solr中的多值应该就是个无序列表,但却可以发现在查询结果中,先插入的在下面,后插入的在上面,也不是真的无序。但没找到有序访问的方法。下面是关于这个问题的链接
Query specificly indexed value in multivalued field
Query a specific index value in a multivalue field in Solr
答案中建议我们可以用动态域(dynamic field)或者前缀的方式解决。