solr的DIH操作同步mysql数据

色魔王子7

　　
　　
　　
　　1.创建MySQL数据
　　CREATE TABLE `city` (
　　`id` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '城市编号',
　　`province_id` INT(10) UNSIGNED NOT NULL COMMENT '省份编号',
　　`city_name` VARCHAR(25) NULL DEFAULT NULL COMMENT '城市名称',
　　`description` VARCHAR(25) NULL DEFAULT NULL COMMENT '描述',
　　PRIMARY KEY (`id`)
　　)
　　COLLATE='utf8_general_ci'
　　ENGINE=InnoDB
　　AUTO_INCREMENT=7
　　;
　　INSERT INTO `city` (`id`, `province_id`, `city_name`, `description`) VALUES (1, 1, '温岭市', 'BYSocket 的家在温岭。');
　　INSERT INTO `city` (`id`, `province_id`, `city_name`, `description`) VALUES (3, 11, 'hhhhhh', 'sssss');
　　INSERT INTO `city` (`id`, `province_id`, `city_name`, `description`) VALUES (4, 11, 'hhhhhh', 'sssss');
　　INSERT INTO `city` (`id`, `province_id`, `city_name`, `description`) VALUES (5, 420100, '武汉', '好');
　　INSERT INTO `city` (`id`, `province_id`, `city_name`, `description`) VALUES (6, 0, 'wuhan', '好好好');
　　
　　
　　
　　2. DIH全量从MYSQL数据库导入数据
　　1）配置/home/solrhome/collection1/conf/solrconfig.xml
　　vim /home/solrhome/collection1/conf/solrconfig.xml
　　在前面上加上一个dataimport的处理的Handler
　　
　　
　　
　　data-config.xml
　　
　　
　　
　　2）在同目录下添加data-config.xml
　　vim /home/solrhome/collection1/conf/data-config.xml
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　说明：
　　dataSource是数据库数据源。
　　Entity就是一张表对应的实体，pk是主键，query是查询语句。
　　Field对应一个字段，column是数据库里的column名，后面的name属性对应着Solr的Filed的名字。
　　3）修改同目录下的schema.xml，这是Solr对数据库里的数据进行索引的模式
　　vim /home/solrhome/collection1/conf/schema.xml
　　
　　
　　
　　
　　
　　4）拷贝关联jar
　　拷贝mysql-connector-java-3.1.13-bin.jar和solr-dataimporthandler-4.10.3.jar（可以在阿里云maven仓库中获取到  http://maven.aliyun.com）
　　cp /usr/local/solr-4.10.3/dist/solr-dataimporthandler-4.10.3.jar /home/tomcat6/webapps/solr/WEB-INF/lib/
　　cp /home/test/mysql-connector-java-3.1.13-bin.jar /home/tomcat6/webapps/solr/WEB-INF/lib/
　　
　　
　　
　　5）重启Solr
　　如果配置正确就可以启动成功。
　　solrconfig.xml是solr的基础文件，里面配置了各种web请求处理器、请求响应处理器、日志、缓存等。
　　schema.xml配置映射了各种数据类型的索引方案。分词器的配置、索引文档中包含的字段也在此配置。
　　6）索引测试
　　(1)Solr控制台导入

　　(2)HTTP方式导入
　　http://192.168.137.168:8080/solr/collection1/dataimport?command=full-import&commit=true&clean=false

　　7）分批次导入数据
　　如果数据库数据太大，可以分批次导入数据。
　　vim /home/solrhome/collection1/conf/data-config.xml

　　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：
　　http://192.168.137.168:8080/solr/collection1/dataimport?command=full-import&commit=true&clean=false&offset=0&length=2

　　导入效果如下
　　
　　3.DIH增量从MYSQL数据库导入数据
　　已经学会了如何全量导入MySQL的数据，全量导入在数据量大的时候代价非常大，一般来说都会适用增量的方式来导入数据，下面介绍如何增量导入MYSQL数据库中的数据，以及如何设置定时来做。
　　特别注意：DIH增量也是可以做全量数据导入，所以生产环境只要设置DIH增量方式。
　　1）数据库表的更改
　　新增一个字段updateTime，类型为timestamp，默认值为CURRENT_TIMESTAMP。有了这样一个字段，Solr才能判断增量导入的时候，哪些数据是新的。因为Solr本身有一个默认值last_index_time，记录最后一次做full import或者是delta import(增量导入）的时间，这个值存储在文件conf目录的dataimport.properties文件中。
　　more dataimport.properties

　　2）data-config.xml中必要属性的设置
　　vim /home/solrhome/collection1/conf/data-config.xml

　　transformer 格式转化：HTMLStripTransformer 索引中忽略HTML标签
　　query：查询数据库表符合记录数据
　　deltaQuery：增量索引查询主键ID  注意这个只能返回ID字段
　　deltaImportQuery：增量索引查询导入的数据
　　deletedPkQuery：增量索引删除主键ID查询 注意这个只能返回ID字段
　　增量索引的原理是从数据库中根据deltaQuery指定的SQL语句查询出所有需要增量导入的数据的ID号。
　　然后根据deltaImportQuery指定的SQL语句返回所有这些ID的数据，即为这次增量导入所要处理的数据。
　　核心思想是：通过内置变量“${dih.delta.id}”和 “${dataimporter.last_index_time}”来记录本次要索引的id和最近一次索引的时间。
　　如果业务中还有删除操作，可以在数据库中加一个isDeleted字段来表明该条数据是否已经被删除，这时候Solr在更新index的时候，可以根据这个字段来更新哪些已经删除了的记录的索引。
　　3）测试增量导入
　　DIH全量导入
　　http://192.168.137.168:8080/solr/collection1/dataimport?command=full-import&commit=true&clean=true

　　
　　修改student数据
update student set stu_name="jerry" where id = '1000000005';update student set isDeleted=1 where id = '1000000004';INSERT INTO student VALUES ('1000000006', 'Tim11', 0, 'Paris',default,default);　　DIH增量导入数据
　　http://192.168.137.168:8080/solr/collection1/dataimport?command=delta-import

　　4）设置增量导入为定时执行的任务
　　可以用Windows计划任务，或者Linux的Cron来定期访问增量导入的连接来完成定时增量导入的功能，这其实也是可以的，而且应该没什么问题。
　　但是更方便，更加与Solr本身集成度高的是利用其自身的定时增量导入功能。
　　1.增加关联jar
　　cp /home/test/apache-solr-dataimportscheduler.jar /home/tomcat6/webapps/solr/WEB-INF/lib/
　　2、修改solr的WEB-INF目录下面的web.xml文件：
　　vim /home/tomcat6/webapps/solr/WEB-INF/web.xml
　　为元素添加一个子元素

org.apache.solr.handler.dataimport.scheduler.ApplicationListener

　　3、新建配置文件dataimport.properties：
　　在SOLR_HOME\solr目录下面新建一个目录conf（注意不是SOLR_HOME\solr\collection1下面的conf）
　　mkdir /home/solrhome/conf
　　vim /home/solrhome/conf/dataimport.properties
　　下面是最终我的自动定时更新配置文件内容：

#################################################　　

　　
# #
　　

　　
# dataimport scheduler properties #
　　

　　
# #
　　

　　
#################################################
　　

　　
# to sync or not to sync
　　

　　
# 1 - active; anything else - inactive
　　

　　
syncEnabled=1
　　

　　
# which cores to schedule
　　

　　
# in a multi-core environment you can decide which cores you want syncronized
　　

　　
# leave empty or comment it out if using single-core deployment
　　

　　
# syncCores=game,resource
　　

　　
syncCores=collection1
　　

　　
# solr server name or IP address
　　

　　
# [defaults to localhost if empty]
　　

　　
server=192.168.137.168
　　

　　
# solr server port
　　

　　
# [defaults to 80 if empty]
　　

　　
port=8080
　　

　　
# application name/context
　　

　　
# [defaults to current ServletContextListener's context (app) name]
　　

　　
webapp=solr
　　

　　
# URLparams [mandatory]
　　

　　
# remainder of URL
　　

　　
#http://localhost:8983/solr/collection1/dataimport?command=delta-import&clean=false&commit=true
　　

　　
params=/dataimport?command=delta-import&clean=false&commit=true
　　

　　
# schedule interval
　　

　　
# number of minutes between two runs
　　

　　
# [defaults to 30 if empty]
　　

　　
interval=1
　　

　　
# 重做索引的时间间隔，单位分钟，默认7200，即1天;
　　

　　
# 为空,为0,或者注释掉:表示永不重做索引
　　

　　
reBuildIndexInterval=2
　　

　　
# 重做索引的参数
　　

　　
reBuildIndexParams=/dataimport?command=full-import&clean=true&commit=true
　　

　　
# 重做索引时间间隔的计时开始时间，第一次真正执行的时间=reBuildIndexBeginTime+reBuildIndexInterval*60*1000；
　　

　　
# 两种格式：2012-04-11 03:10:00 或者 03:10:00，后一种会自动补全日期部分为服务启动时的日期
　　

　　
reBuildIndexBeginTime=03:10:00

　　4、测试
　　重启tomcat
　　一般来说要在你的项目中引入Solr需要考虑以下几点：
　　1、数据更新频率：每天数据增量有多大，及时更新还是定时更新
　　2、数据总量：数据要保存多长时间
　　3、一致性要求：期望多长时间内看到更新的数据，最长允许多长时间延迟
　　4、数据特点：数据源包括哪些，平均单条记录大小
　　5、业务特点：有哪些排序要求，检索条件
　　6、资源复用：已有的硬件配置是怎样的，是否有升级计划