实现MySQL表数据全量索引和增量索引，基于Solr DIH组件实现起来比较简单，只需要重复使用Solr的DIH（Data Import Handler）组件，对data-config.xml进行简单的修改即可。Solr DIH组件的实现类为org.apache.solr.handler.dataimport.DataImportHandler，在Solr的solrconfig.xml中配置两个handler，配置分别说明如下。


全量索引


solrconfig.xml配置如下：


1

<requestHandler name="/dataimport"

2

     class="org.apache.solr.handler.dataimport.DataImportHandler">

3

     <lst name="defaults">

4

          <str name="config">data-config.xml</str>

5

     </lst>

6

</requestHandler>

上面这个是针对全量索引的，主要是配置data-config.xml文件，示例如下所示：


01

<dataConfig>

02

    <dataSource name="jdbc" driver="com.mysql.jdbc.Driver"

03

        url="jdbc:mysql://172.0.8.249:5606/marketing_db_saved?zeroDateTimeBehavior=convertToNull"

04

        user="developer" password="sedept@shiyanjun.cn"/>

05

    <document name="mkt_data">

06

        <entity name="marketing_data" pk="id"

07

                query="select * from marketing_data limit ${dataimporter.request.length} offset ${dataimporter.request.offset}"

08

                transformer="RegexTransformer">

09

            <field column="id" name="id" />

10

            <field column="domain" name="domain" />

11

            <field column="alex_rank" name="alex_rank" />

12

            <field column="server_port" name="server_port" />

13

            <field column="cert_validity_notBefore" name="cert_validity_notBefore" />

14

            <field column="cert_validity_notAfter" />

15

            <field column="cert_validity_notAfter_yyyyMMdd" regex="(.*?)\s+.*" name="cert_validity_notAfter_yyyyMMdd" sourceColName="cert_validity_notAfter"/>

16

            <field column="cert_issuer_brand" name="cert_issuer_brand" />

17

            <field column="cert_validation" name="cert_validation" />

18

            <field column="cert_isMultiDomain" name="cert_isMultiDomain" />

19

            <field column="cert_issuer_brand_isXRelated" name="cert_issuer_brand_isXRelated" />

20

            <field column="cert_isWildcard" name="cert_isWildcard" />

21

            <field column="cert_notAfter" name="cert_notAfter" />

22

            <field column="special_ssl" name="special_ssl" />

23

            <field column="competitor_logo" name="competitor_logo" />

24

            <field column="segment" name="segment" />

25

        </entity>

26

    </document>

27

</dataConfig>

上面主要是通过内置变量 “${dataimporter.request.length}”和 “${dataimporter.request.offset}”来设置一个批次索引的数据表记录数，请求的URL示例如下：


1

http://172.0.8.212:8080/search-server/core0/dataimport?command=full-import&commit=true&clean=false&offset=1000000&length=100000

上面表示，对数据表中id范围为[10000000, 1100000]的记录进行索引，因为数据表可能达到千万记录数，而且线上有业务在操作数据库，所以要选择分批进行索引。


增量索引


solrconfig.xml配置如下：


01

   <requestHandler name="/deltaimport" class="org.apache.solr.handler.dataimport.DataImportHandler">

02

        <lst name="defaults">

03

          <str name="config">delta-data-config.xml</str>

04

        </lst>

05

   </requestHandler>

06

上面定义请求的接口为“deltaimport”，对应的配置文件delta- data-config.xml内容如下所示：

07

 <dataConfig>

08

    <dataSource name="jdbc" driver="com.mysql.jdbc.Driver"

09

        url="jdbc:mysql://172.0.8.249:5606/marketing_db_saved?zeroDateTimeBehavior=convertToNull"

10

        user="developer" password="sedept@shiyanjun.cn"/>

11

    <document name="mkt_data">

12

        <entity name="marketing_data" pk="id"

13

                query="select * from marketing_data"

14

                deltaImportQuery="select * from marketing_data where id='${dih.delta.id}'"

15

                deltaQuery="select id from marketing_data where updated_at &gt; '${dih.last_index_time}'"

16

                transformer="RegexTransformer">

17

            <field column="id" name="id" />

18

            <field column="domain" name="domain" />

19

            <field column="alex_rank" name="alex_rank" />

20

            <field column="server_port" name="server_port" />

21

            <field column="cert_validity_notBefore" name="cert_validity_notBefore" />

22

            <field column="cert_validity_notAfter" />

23

            <field column="cert_validity_notAfter_yyyyMMdd" regex="(.*?)\s+.*" name="cert_validity_notAfter_yyyyMMdd" sourceColName="cert_validity_notAfter"/>

24

            <field column="cert_issuer_brand" name="cert_issuer_brand" />

25

            <field column="cert_validation" name="cert_validation" />

26

            <field column="cert_isMultiDomain" name="cert_isMultiDomain" />

27

            <field column="cert_issuer_brand_isXRelated" name="cert_issuer_brand_isXRelated" />

28

            <field column="cert_isWildcard" name="cert_isWildcard" />

29

            <field column="cert_notAfter" name="cert_notAfter" />

30

            <field column="special_ssl" name="special_ssl" />

31

            <field column="competitor_logo" name="competitor_logo" />

32

            <field column="segment" name="segment" />

33

        </entity>

34

    </document>

35

</dataConfig>

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：


1

#Sat Feb 16 17:48:49 CST 2013

2

last_index_time=2013-02-16 17\:48\:48

3

marketing_data.last_index_time=2013-02-16 17\:48\:48

请求增量索引的接口为“deltaimport”，可以写一个定时脚本，例如每隔一天执行一次 （一天索引一次，只索引数据表中更新的记录），请求URL示例如下：


1

172.0.8.212:8080/search-server/core0/dataimport?command=delta-import

有关“query”，“deltaImportQuery”， “deltaQuery”的解释，引用官网说明，如下所示：


The query gives the data needed to populate fields of the Solr document in full-import

The deltaImportQuery gives the data needed to populate fields when running a delta-import

The deltaQuery gives the primary keys of the current entity which have changes since the last index time

还有更灵活的索引方式，以后再讲。


参考链接


http://wiki.apache.org/solr/DataImportHandler#Using_delta-import_command

http://www.myexception.cn/other/669522.html

转载：http://shiyanjun.cn/archives/444.html