设为首页 收藏本站
查看: 912|回复: 0

[经验分享] solr中通过SFTP访问文件建立索引

[复制链接]
累计签到:1 天
连续签到:1 天
发表于 2015-7-17 13:01:53 | 显示全部楼层 |阅读模式
  需求:
  从oracle数据库中根据记录的文件名filename_html(多个文件以逗号隔开),文件路径path,备用文件名bakpath中获取
  主机172.21.0.31上对应的html文件内容,并且只能通过sftp访问html文件,获取文件内容建立索引.

  问题:
  目前的难点是字段filename_html中可以有多个文件名,并且多个文件抽取到一个索引字段content下面.另一个是数据访问方式sftp方式.目前DIH组件中没有相应的SFTP访问.
  解决方法:
  引入jsch组件包.开发相应SFTP组件.
  1.编写BinSFTPDataSource数据源,用于生成响应的InputStream流.编写过程中注意流的关闭,否则容易造成Too many files 异常.



package org.apache.solr.handler.dataimport;
import static org.apache.solr.handler.dataimport.DataImportHandlerException.SEVERE;
import static org.apache.solr.handler.dataimport.DataImportHandlerException.wrapAndThrow;
import org.apache.commons.lang.StringUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import com.jcraft.jsch.ChannelSftp;
import com.jcraft.jsch.JSch;
import com.jcraft.jsch.JSchException;
import com.jcraft.jsch.Session;
import java.io.IOException;
import java.io.InputStream;
import java.util.Properties;
import java.util.regex.Pattern;
/**
*/
public class BinSFTPDataSource extends DataSource {
Logger LOG = LoggerFactory.getLogger(BinSFTPDataSource.class);
private Session session ;
private ChannelSftp channel;
private InputStream is;
private String baseUrl;
private String username;
private String password;
private String host;
private int connectionTimeout = CONNECTION_TIMEOUT;
private int readTimeout = READ_TIMEOUT;
private Context context;
private Properties initProps;
public BinSFTPDataSource() {
}
@Override
public void init(Context context, Properties initProps) {
this.context = context;
this.initProps = initProps;
baseUrl = getInitPropWithReplacements(BASE_URL);
String cTimeout = getInitPropWithReplacements(CONNECTION_TIMEOUT_FIELD_NAME);
String rTimeout = getInitPropWithReplacements(READ_TIMEOUT_FIELD_NAME);
username = getInitPropWithReplacements(USERNAME);
password = getInitPropWithReplacements(PASSWORD);
host = getInitPropWithReplacements(HOST);
if (cTimeout != null) {
try {
connectionTimeout = Integer.parseInt(cTimeout);
} catch (NumberFormatException e) {
LOG.warn("Invalid connection timeout: " + cTimeout);
}
}
if (rTimeout != null) {
try {
readTimeout = Integer.parseInt(rTimeout);
} catch (NumberFormatException e) {
LOG.warn("Invalid read timeout: " + rTimeout);
}
}
try {
JSch jsch = new JSch(); // 创建JSch对象
session = jsch.getSession(username, host, PORT);
if (password != null)
session.setPassword(password);
Properties config = new Properties();
config.put("StrictHostKeyChecking", "no");
session.setConfig(config);
session.setTimeout(readTimeout);
session.connect(connectionTimeout);
} catch (JSchException e) {
close();
e.printStackTrace();
}
}
@Override
public InputStream getData(String filename) {
if(StringUtils.isEmpty(filename)) return null;
if(StringUtils.isNotEmpty(baseUrl))
filename = baseUrl + filename;
try {
LOG.info("session isConnect:"+session.isConnected());
channel = (ChannelSftp) session.openChannel("sftp");
channel.connect(); // 建立SFTP通道的连接
LOG.info("channel isConnect:"+channel.isConnected());
is = channel.get(filename);
return  is;
} catch (Exception e) {
close();
LOG.error("Exception thrown while getting data", e);
wrapAndThrow(SEVERE, e, "Exception in invoking url " +filename);
return null;// unreachable
        }
}
@Override
public void close() {
if(is!=null)
try {
is.close();
} catch (IOException e) {
e.printStackTrace();
}
if(channel!=null) channel.disconnect();
//        if(session!=null) session.disconnect();
    }
public String getBaseUrl() {
return baseUrl;
}
private String getInitPropWithReplacements(String propertyName) {
final String expr = initProps.getProperty(propertyName);
if (expr == null) {
return null;
}
return context.replaceTokens(expr);
}
static final Pattern URIMETHOD = Pattern.compile("sftp:/",
Pattern.CASE_INSENSITIVE);
public static final String ENCODING = "encoding";
public static final String BASE_URL = "baseUrl";
public static final String UTF_8 = "UTF-8";
public static final String CONNECTION_TIMEOUT_FIELD_NAME = "connectionTimeout";
public static final String READ_TIMEOUT_FIELD_NAME = "readTimeout";
public static final int CONNECTION_TIMEOUT = 5000;
public static final int READ_TIMEOUT = 10000;
public static final String USERNAME = "username";
public static final String PASSWORD = "password";
public static final String HOST = "host";
public static final int PORT = 22;
}
  2. 编写URLListEntityProcessor.java类,用于循环遍历多url文件.



package org.apache.solr.handler.dataimport;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
/**
* 主要用于抽取多个文件内容.可是是本地主机也可以是远程主机上的文件
*/
public class URLListEntityProcessor extends EntityProcessorBase {
/**
* 文件名字符串
*/
protected String fileNames;
/**
* 文件名字符串分隔符
*/
protected String regex;
/**
* data-config.xml中给定的基础目录
*/
protected String baseDir;
/**
* The recursive given in data-config. Default value is false.
*/
protected boolean recursive = false;
@Override
public void init(Context context) {
super.init(context);
fileNames = context.getEntityAttribute(FILE_NAMES);
if (fileNames != null) {
fileNames = context.replaceTokens(fileNames);
}
regex = context.getEntityAttribute(REGEX);
if (regex != null) {
regex = context.replaceTokens(regex);
}
baseDir = context.getEntityAttribute(BASE_DIR);
if (baseDir == null)
throw new DataImportHandlerException(DataImportHandlerException.SEVERE,
"'baseDir' is a required attribute");
baseDir = context.replaceTokens(baseDir);
String r = context.getEntityAttribute(RECURSIVE);
if (r != null)
recursive = Boolean.parseBoolean(r);
}
@Override
public Map nextRow() {
if (rowIterator != null)
return getNext();
List fileDetails = new ArrayList();
getUrls(fileDetails);
rowIterator = fileDetails.iterator();
return getNext();
}
private void getUrls(final List fileDetails) {
String[] names = fileNames.split(regex);
for(String name : names){
Map details = new HashMap();
details.put(FILE_NAME, baseDir+name);
fileDetails.add(details);
}
}
public static final String DIR = "fileDir";
public static final String ABSOLUTE_FILE = "fileAbsolutePath";
public static final String FILE_NAME = "fileName";
public static final String FILE_NAMES = "fileNames";
public static final String BASE_DIR = "baseDir";
public static final String REGEX = "regex";
public static final String RECURSIVE = "recursive";
}
  3.配置data-config.xml文件:

































  

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-87688-1-1.html 上篇帖子: solr searcher 下篇帖子: 使用 Apache Lucene 和 Solr 进行位置感知搜索
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表