solr使用规范

2019独角兽企业重金招聘Python工程师标准>>>

0. 目的

规范solr设计、用法，避免bug，提高性能

1. 设计规范

• solr的用途是查询，不是存储，建议查询结果尽量都为id主键，而后再拿该id主键到缓存或者db中再查询相关信息，例如：请勿将经销商名称、车型名称等各类非Id信息放到solr。
• 索引字段只用来查询等价于sql中的where/group/join等字段，所以index都得为true，不需要展示的字段可以将store设置为false，以减小io及存储。

2. 开发规范

2.1 原则禁止模糊查询

优先考虑通过分词查询(线上solr默认支持ik分词)来满足需求。如果使用模糊查询，务必避免使用多个*，超过1个请通知我们，或许有更好的方案，并防止意外风险。原因为：过多的*会严重降低solr查询性能，由于lucene本身的问题，曾经导致线上solr实例内存溢出。

2.2 设置真实的rows或group.limit值

rows值建议根据实际情况设置，例如：查询结果最多100条，rows没必要设置为1000，禁止使用int.maxvalue之类的设置，建议业务方根据自己的业务场景，估计是最大值；当rows>2000，请做好压力测试，并通知我们。
group.limit同理。
原因： 同禁止模糊查询

2.3 页码过大时，请慎重

分页值如果比较大，例如1000万条数据，每页10条，随着pageIndex值的增大，solr查询性能会逐步降低，如果pageIndex非常大，例如超过1万，性能会比较慢。可以和产品商量，1)大于某个阀值的时候，考虑设置为一个随机数；2)设置最大的页码，例如：1000页，防止抓包工具恶意扫描。

2.4 确保HttpSolrClient/HttpSolrServer单例

源码：

      params.set(HttpClientUtil.PROP_MAX_CONNECTIONS, 128);
      params.set(HttpClientUtil.PROP_MAX_CONNECTIONS_PER_HOST, 32);
      params.set(HttpClientUtil.PROP_FOLLOW_REDIRECTS, followRedirects);

通过上述代码表明一个HttpSolrClient/HttpSolrServer占用多个tcp连接，如果不是单例，则连接数会倍增，线上虚拟机出现过占用链接过多导致资源不够用的OOM。

2.5 solr 随机排序

solr支持，用法如下：

# schema配置
<dynamicField name="rand*" type="random" indexed="true" stored="false"/>
# solrj查询语法
query.addSort("rand_"+randomNum, ORDER.desc);//随机排序

转载于:https://my.oschina.net/andChow/blog/2251486