全文检索引擎Solr系列——整合MySQL、MongoDB

qq489498494

MySQL

• 拷贝mysql-connector-java-5.1.25-bin.jar到E:\solr-4.8.0\example\solr-webapp\webapp\WEB-INF\lib目录下面
  
• 配置E:\solr-4.8.0\example\solr\collection1\conf\solrconfig.xml
  

1 2 3 4 5 6

data-config.xml

• 导入依赖库文件：
    <lib dir="../../../dist/" regex="solr-dataimporthandler-\d.*\.jar"/>
  
  　　加在
  
    <lib dir="../../../dist/" regex="solr-cell-\d.*\.jar" />
  
  　　前面。
  
  
• 创建E:\solr-4.8.0\example\solr\collection1\conf\data-config.xml，指定MySQL数据库地址，用户名、密码以及建立索引的数据表
  
  
  
  
  
  
  
  
  • query 用于初次导入到索引的sql语句。
    
    
    
    • 考虑到数据表中的数据量非常大，比如千万级，不可能一次索引完，因此需要分批次完成，那么查询语句query要设置两个参数：${dataimporter.request.length} ${dataimporter.request.offset}
      
    • query=”select id,title,content from blog_blog limit ${dataimporter.request.length} offset ${dataimporter.request.offset}”
      
    • 请求：http://localhost:8983/solr/collection2/dataimport?command=full-import&commit=true&clean=false&offset=0&length=10000
      
    
    
    
  • deltaImportQuery 根据ID取得需要进入的索引的单条数据。
    
  • deltaQuery 用于增量索引的sql语句，用于取得需要增量索引的ID。
    
  • deletedPkQuery 用于取出需要从索引中删除文档的的ID
    
  
  
  
• 　　为数据库表字段建立域（field），编辑E:\solr-4.8.0\example\solr\collection1\conf\schema.xml:
  
  

• 配置增量索引更新文件
  

　　参考：

• http://josh-persistence.iteye.com/blog/2017155
  
• http://wiki.apache.org/solr/DataImportHandler#Using_delta-import_command
  

Mongodb

• 安装mongo-connector，最好使用手动安装方式：
  git clone https://github.com/10gen-labs/mongo-connector.git
  cd mongo-connector
  #安装前修改mongo_connector/constants.py的变量：设置DEFAULT_COMMIT_INTERVAL = 0
  python setup.py install
  
  　　默认是不会自动提交了，这里设置成自动提交，否则mongodb数据库更新，索引这边没法同时更新，或者在命令行中可以指定是否自动提交，不过我现在还没发现。
  
  
• 配置schema.xml，把mongodb中需要加上索引的字段配置到schema.xml文件中：
  
  
  
  
  

  _id      title

  
  
• 启动Mongod：
  mongod --replSet myDevReplSet --smallfiles  
  
  　　初始化:rs.initiate()
  
  
• 启动mongo-connector:
  E:\Users\liuzhijun\workspace\mongo-connector\mongo_connector\doc_managers>mongo-connector -m localhost:27017 -t http://localhost:8983/solr/collection2 -n s_soccer.person -u id -d ./solr_doc_manager.py
  
  
  
  • -m：mongod服务
    
  • -t：solr服务
    
  • -n：mongodb命名空间，监听database.collection，多个命名空间逗号分隔
    
  • -u：uniquekey
    
  • -d：处理文档的manager文件
    
  　　注意：mongodb通常使用_id作为uniquekey，而Solrmore使用id作为uniquekey，如果不做处理，索引文件时将会失败，有两种方式来处理这个问题：
  
  
  
  
  • 指定参数--unique-key=id到mongo-connector，Mongo Connector 就可以翻译把_id转换到id。
    
  • 把schema.xml文件中的:
    id
    
    　　替换成
    
    _id
    
    　　同时还要定义一个_id的字段：
    
    
    
  • 启动时如果报错：
    2014-06-18 12:30:36,648 - ERROR - OplogThread: Last entry no longer in oplog cannot recover! Collection(Database(MongoClient('localhost', 27017), u'local'), u'oplog.rs')
    
    　　清空E:\Users\liuzhijun\workspace\mongo-connector\mongo_connector\doc_managers\config.txt中的内容，需要删除索引目录下的文件重新启动
    
    
  
  
• 　　测试
  mongodb中的数据变化都会同步到solr中去。