solr查询优化（实践了一下效果比较明显）

天堂1111

什么是filtercache？
　　solr应用中为了提高查询速度有可以利用几种cache来优化查询速度，分别是fieldValueCache，queryResultCache，documentCache，filtercache，在日常使用中最为立竿见影，最有效的应属filtercache，何谓filtercache？这个需要从一段solr的查询日志开始说起，下面是我截取的solr运行中打印的一段查询日志：

[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=5,queryTime_is ==> 2                                      
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A1+AND+class_id%3A1+AND+%28group_id%3A411%29&sort=gmt_create+desc&start=0&rows=20,queryTime_is ==> 2                  
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=5,queryTime_is ==> 2                                      
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A1+AND+class_id%3A1+AND+%28group_id%3A8059%29&sort=gmt_create+desc&start=0&rows=20,queryTime_is ==> 0                 
[search4alive-0] Request_is ==> debugQuery=on&group=true&group.field=group_id&group.ngroups=true&group.sort=gmt_create+desc&q=status%3A0++AND+biz_type%3A1+AND+class_id%3A1+AND+ha
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=30&rows=30,queryTime_is ==> 4                                    
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=5,queryTime_is ==> 1                                      
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A1+AND+class_id%3A1+AND+%28group_id%3A375%29&sort=gmt_create+desc&start=0&rows=20,queryTime_is ==> 3                  
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=5,queryTime_is ==> 1                                      
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=30,queryTime_is ==> 4                                    
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=5,queryTime_is ==> 1                                      
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=30,queryTime_is ==> 4                                    
[search4alive-0] Request_is ==> q=status%3A0++AND+biz_type%3A2+AND+class_id%3A1&sort=index_sort_order+desc&start=0&rows=30,queryTime_is ==> 3                                    

　　看到这段查询日志之后，我们开始考虑如何提升查询的rt（查询速度），因为在参数q中的查询是要有磁盘IO开销的，很自然的思路是将整个查询的参数q作为key，对应的结果作为value，这样做是可以的，但是查询的命中率会很低，会占用大量内存空间。
　　查询参数q上基本上每次都会出现status,biz_type,class_id 对于这样的字查询，所以可以把整个查询条件分成两部分一部分是以status,biz_type,class_id 这几个条件组成的子查询条件，另外一部分是除这三个条件之外的子查询。在进程查询的时候，先将status,biz_type,class_id 条件组成的条件作为key，对应的结果作为value进行缓存，然后再和另外一部分查询的结果进行求交运算。
　　

　　
　　通过上面这幅图明白了filtercache的意义是，将原先一个普通查询分割成两个组合查询的与运算，两个子查询至少有一个使用缓存，这样既减少了查询过程的IO操作，又控制了缓存的容量不会消耗过多的内存。

如何使用？
　　首先要配置solrconfig.xml 要开启fltercache：
　　






Xml代码  

•   
  
•          
  
•   
  

　　这里使用的是solr实现的基于LRU算法的缓实现，以上配置是使用solr.LRUCache ，使用这个cache在插入多，查询少的情况比较使用，如果是查询多，插入少的情况，可以使用solr.FastLRUCache缓存模块。
　　
　　
　　客户端API调用：
　　下面是原先的客户端端查询代码：
　　






Java代码  

• SolrQuery query = new SolrQuery();  
  
•   
  
• query.setQuery("status:0 AND biz_type:1 AND class_id:1 AND xxx:123");  
  
•   
  
• QueryResponse response = qyeryServer.query(query);  
  

　　
　　
　　使用filterQuery之后的查询代码：
　　






Java代码  

• SolrQuery query = new SolrQuery();  
  
•   
  
• query.addFilterQuery("status:0 AND biz_type:1 AND class_id:1");  
  
• query.setQuery("xxx:123");  
  
•   
  
• QueryResponse response = qyeryServer.query(query);  
  

　　
　　经过测试这样优化之后，查询的RT（查询速度）会明显减小，QPS（每秒查询率）会有明显提升。
　　
　　使用filterquery过程中需要注意点：
　　
　　●不能在filterQuery 上重复出现query中的查询参数，如果上面的filterquery调用方法如下所示：
　　






Java代码  

• query.addFilterQuery("status:0 AND biz_type:1 AND class_id:1 AND xxx:123");  
  
• query.setQuery("xxx:123");  
  

　　如上，条件xxx:123 在filterQuery和query上都出现了，这样的写法非但起不到查询优化的目的，而且还会增加查询的性能开销。
　　
　　●尽量减少调用addFilterQuery方法的次数






Java代码  

• query.addFilterQuery("status:0 ");  
  
• query.addFilterQuery("biz_type:1 ");  
  
• query.addFilterQuery("class_id:1 ");  
  
• query.setQuery("xxx:123");  
  

　　如上，将status:0 AND biz_type:1 AND class_id:1 这个组合查询条件，分三次调用filterQuery方法来完成，这样的调用方法虽然是正确的，并且能起到性能优化的效果，优化性能没有调用一次addFilterQuery方法来得高，原因是多调用了两次addFilterQuery，就意味着最后需要多进行两次结果集的求交运算，虽然结果集求交运算速度很快，但毕竟是有性能损耗的。
　　
　　不过从内存开销的角度来说，调用三次addfilterQuery方法这样可以有效降低内存的使用量，这个是肯定的。所以在是否调用多次addFilterQuery方法的原则是，在内存开销允许的前提下，将量将所有filterQuery条件，通过调用有限次数的addFilterQuery方法来完成。
　　



下文摘自solr中国
　　
　　
What it is used for?
　　
先从内部机制开始。FilterCache存储了一些无序的文档标识号(ID)。这些ID并不是我们在schema.xml里配置的unique key，而是solr内部的一个文档标识。请记住这个。
　　
FilterCache的任务是保持与用户过滤的结果关联。另外，cache可以辅助facet机制(在使用TermEnum时)，在solrconfig.xml中的参数设为true时，还可以进行排序。
　　
Definition

FilterCache的标准定义如下：





Xml代码

• 
  
  

　　
有以下的配置可供选择：

class：实现类。建议使用solr.FastLRUCache，它能在大量的GET、PUT操作下，提供更好的性能。

size：cache的最大值。

initialSize：cache的初始化值。

autowarmCount：从旧的cache到新的cache时，需要被复制的数量。

minSize:在full restoraton的情况下，将cache减小后的值

acceptableSize：如果minSize没有设置，则该值会替代之

cleanupThread：默认false，如果设为true则会使用一个分离的topic来清理cache。
　　
大部分情况下，设置initialSize和autowarmCount就已经足够了。
　　
How to configure？

cache的大小，需要根据基本的查询语句而定；maximum大小应该至少等于我们使用的过滤字段的大小。举个例子说明：如果在某个时间内，你的应用程序使用了2000个查询参数，则minimum的大小应该最小设为2000。
　　
Efficient use

然而，光有配置是不够的，我们还需要让查询能够使用它。请看下面的例子：

• 
  q=name:solr+AND+category:ksiazka+AND+section:ksiazki
  

　　
初看起来，查询语句是正确的。但是有个问题：它并没有用到filterCache。所有的请求将会绑定到queryResultCache中并创建一个单独的条目。我们来作一下修改：

• 
  q=name:solr&fq=category:ksiazka&fq=section:ksiazki
  
• 
  对应java代码：
  
• 
      SolrQuery query = new SolrQuery();  
      query.addFilterQuery("category:ksiazka");
  query.addFilterQuery("section:ksiazki");  
  query.setQuery("name:solr");  
  QueryResponse response = qyeryServer.query(query);
  

　　
有什么变化呢？在这个例子中，一个条目会写入到queryResultCache中；另外，还会有两个条目会写入到filterCache中。现在看一下下面的语句：

• 
  q=name:lucene&fq=category:ksiazka&fq=section:ksiazki
  

　　
这个查询会创建一个条目到queryResultCache中，但是会使用filterCache中两个已经存在的条目。这样查询的执行时间会降低，IO的使用也会节省。
　　
然而，对于下面的查询：

• 
  q=name:lucene+AND+category:ksiazka+AND+section:ksiazki
  

　　
solr不能使用任何cache并且需要从lucene索引中收集所有的信息。
　　
Last few words

就像你所看到的，配置cache 的正确方法不是如何保证solr能够使用它，而是如何构建查询语句来提升性能。当考虑查询的时候，请考虑这一点。