solr实时思路

973114

【转】http://www.tnove.com/?p=331

在solr中，实时搜索有3种方案，①soft commit，这其实是近实时搜索，不能完全实时。②RealTimeGet，这是实时，但只支持根据文档ID的查询。③和第一种类似，只是触发softcommit。综上，其实是由实时（②）和近实时（①③）两种。


本文主要介绍solr4.0 之后使用NRT的方法和需要的配置，同时介绍下commit相关的一些命令的使用效果
NRT方案 1

     使用soft commit达到近实时搜索的效果。http://sling2007.blog.163.com/blog/static/84732713201391745435121/这里可以看到为什么是近实时搜索。

为了使用soft commit ，我们需要配置solrconfig.xml。其中两个地方需要修改

     a.

<autoCommit>
      <maxDocs>10000</maxDocs> <!-- maximum uncommited docs before autocommit triggered -->
      <maxTime>15000</maxTime> <!-- maximum time (in MS) after adding a doc before an autocommit
is triggered -->
      <openSearcher>false</openSearcher> <!-- SOLR 4.0.  Optionally don't open a searcher on
hard commit.  This is useful to minimize the size of transaction logs that keep track of
uncommitted updates. -->
    </autoCommit>

        这里需要将hard commit 的 openSearcher改为true。Hard commit时间根据自己系统承载能力和需要设置。因为hard commit动作较大，对性能有较大影响。原则稍长较好，但又不能太长，以免突然断电导致大量数据丢失（hard commit前数据都在memery中）。

      b.

<!-- SoftAutoCommit
         Perform a 'soft' commit automatically under certain conditions.
         This commit avoids ensuring that data is synched to disk.
         maxDocs - Maximum number of documents to add since the last
                   soft commit before automaticly triggering a new soft commit.
         maxTime - Maximum amount of time in ms that is allowed to pass
                   since a document was added before automaticly
                   triggering a new soft commit.
      -->
     <autoSoftCommit>
       <maxTime>2000</maxTime>
     </autoSoftCommit>

       将soft commit 打开（默认配置注释了该节点），这里的时间是你希望在几秒内搜到，此处我的设置为2s。可根据需要设置，值越小NRT效果越好，相反的，会带来性能上的影 响。如果索引请求量不是特别大，则可以将值设小点，比如1000.不建议小于1000，小于1000并没有意义。

      设置a，b之后就可通过普通的SearchHandler 搜到到了。Solr 默认配置的SearchHandler REST接口有“/select”“/query”“/browse”。

      值得注意的是：当索引请求量巨大时，solr并不一定能保证在你设置的时间内能立马搜索到最新的文档，通常会有秒级别的延迟。
NRT方案 2

         另外一种使用NRT的方法同样需要配置NRT1中的a项。

         此外还要配置solrconfig.xml的RealTimeGetHandler。根据solr的文档。该Handler有如下特性：

realtime get handler, guaranteed to return the latest stored fields of any document,
without the need to commit or open a new searcher.  The current implementation relies
on the updateLog feature being enabled.


该搜索Handler的接口为“/get”。该接口使用了一个特定的组件RealTimeGetComponent，该接口会通用solrCore的 getRealtimeSearcher()方法，后者会先搜索一下updateLog，再做普通搜索。至于该接口是否有效，作者还没使用过。
NRT方案 3

          第3种使用NRT的方法依然需要配置NRT1中的a项。这次使用普通的SearchHandler来实现NRT。利用solr的commit和 commitwithin。实现方式是每次索引文档后都明确的发送一个commit或者commitwithin命令。这样也可以马上搜索刚索引的数据。 由于发送命令需要走网络，时间上有不确定性，总体速度也不如NRT1。这里commit为hard commit请求，方法为commit=true；commitwithin为softcommit请求，方法为commitwithin=2000. 从前所述可以看出同样是commit，是用commitwithin将能更快搜到新文档，此处表示2s内要完成softcommit。该方法灵活性较高， 适合在一些特殊情况下使用。

综上，虽然我们可以通过不同手段（包括变相的手段NRT3）来实现NRT。但NRT1中的配置softcommit的方式才是最佳选择，这也是其存在的价值。但是在一些特殊的应用场景可以根据需要使用NRT3。比如，索引频繁而搜索量很小。
solrj客户端


如果我们使用solrj的客户端操作，

执行下面操作的时候

server.add(docs);

server.commit();

可以看到后台日志的默认参数是：

optimize=false,openSearcher=true,waitSearcher=true,expungeDeletes=false,softCommit=false

用下面的方式操作的时候

UpdateRequest req = new UpdateRequest();
        req.setCommitWithin(60000);
        req.add(docs);
        UpdateResponse res = req.process(server);

可以看到，默认参数是：

optimize=false,openSearcher=true,waitSearcher=true,expungeDeletes=false,softCommit=true
主要的不同在于softCommit的参数。
当然也可以用org.apache.solr.client.solrj.request.AbstractUpdateRequest.setAction(ACTION action, boolean waitFlush, boolean waitSearcher)来逐个设置。


Commit

上面提到的commit，其实在NRT及非NRT的情况下都会涉及到。Solr支持的commit 方式有两种。并且在不同情况下会有些有趣的情况出现。下面我们就介绍下几种commit的case。

    直接在发送commit=true或commitwithin=2000的参数提交commit请求。
    发送索引内容为的索引数据 。这种情况下可以对commit进一步设置参数：

    waitFlush = "true" | "false" — default is true — block until index changes are flushed to disk
    waitSearcher = "true" | "false" — default is true — block until a new searcher is opened and registered as the main query searcher, making the changes visible.
    softCommit = "true" | "false" — default is false — perform a soft commit - this will refresh the 'view' of the index in a more performant manner, but without "on-disk" guarantees
    expungeDeletes = "true" | "false" — default is false — merge segments with deletes away.

注：waitFlush在solr1.4之前支持，4.0之后已被取消。

例子：

   3. 发送普通索引数据的同时带上commit参数。

例子：curl http://localhost:8983/solr/update?commitWithin=3000 -H "Content-Type: text/xml" --data-binary 'testdoc'

        Case 3存在一个特殊例子，值得注意：当发送该 类型请求到leader节点，所有replica节点将可以马上搜索到该请求的文档。如果请求发送至replica节点，马上搜索该replica节点将 不能搜索到，需要等待下一个commit命令才能搜索到，而其它replica不确定能否搜到（可能搜到也可能不能）。即solr允许leader和 replica节点数据的短时间的不一致。下一次commit后所有节点数据会一致被搜到该文档。导致这种case的原因是，索引数据需要首先由 leader处理，再到replica，所以发给任何replica的数据都需先转发给leader。而收到commit的replica则直接处理并发 给其它replica（包括leader）处理。
Optimize

Optimize 是一种特殊的commit。它除了做commit还会做索引的合并，所以其代价远大于commit命令。

  由于optimize也是先做commit，所以它支持commit的前3个参数。另外还有一个它自己独有的参数

    maxSegments = N — default is '1' — optimizes down to at most this number of segments

prepareCommit

               用法prepareCommit=true 。该命令调用lucene的prepareCommit方法.如果对lucene 不够了解建议不要使用