1.掌握SolrJ的使用。
2.掌握索引API
3.掌握結構化數據導入DIHhtml
SolrJ是什麼?java
Solr提供的用於JAVA應用中訪問solr服務API的客戶端jar。在咱們的應用中引入solrj:mysql
<dependency> <groupId>org.apache.solr</groupId> <artifactId>solr-solrj</artifactId> <version>7.3.0</version> </dependency>
SolrJ的核心APIweb
SolrClient、SolrRequest、SolrResponsespring
SolrClient 的子類sql
HttpSolrClient – 與指定的一個solr節點通訊的客戶端
LBHttpSolrClient –負載均衡地訪問一組節點的客戶端
CloudSolrClient – 訪問solrCloud的客戶端
ConcurrentUpdateSolrClient –併發更新索引用的客戶端數據庫
建立客戶端時通用的配置選項apache
Base URL
Timeoutsjson
建立客戶端時通用的配置選項服務器
Base URL 基礎URL
http://hostname:8983/solr/core1 http://hostname:8983/solr
Timeouts
final String solrUrl = "http://localhost:8983/solr"; return new HttpSolrClient.Builder(solrUrl) .withConnectionTimeout(10000) .withSocketTimeout(60000) .build();
用SolrJ索引文檔
final SolrClient client = getSolrClient(); final SolrInputDocument doc = new SolrInputDocument(); doc.addField("id", UUID.randomUUID().toString()); doc.addField("name", "Amazon Kindle Paperwhite"); final UpdateResponse updateResponse = client.add("techproducts", doc); // Indexed documents must be committed client.commit("techproducts");
用SolrJ查詢
final SolrClient client = getSolrClient(); final Map<String, String> queryParamMap = new HashMap<String, String>(); queryParamMap.put("q", "*:*"); queryParamMap.put("fl", "id, name"); queryParamMap.put("sort", "id asc"); MapSolrParams queryParams = new MapSolrParams(queryParamMap); final QueryResponse response = client.query("techproducts", queryParams); final SolrDocumentList documents = response.getResults(); print("Found " + documents.getNumFound() + " documents"); for(SolrDocument document : documents) { final String id = (String) document.getFirstValue("id"); final String name = (String) document.getFirstValue("name"); print("id: " + id + "; name: " + name); }
Java 對象綁定
public static class TechProduct { @Field public String id; @Field public String name; public TechProduct(String id, String name) { this.id = id; this.name = name; } public TechProduct() {} }
索引
final SolrClient client = getSolrClient(); final TechProduct kindle = new TechProduct("kindle-id-4", "Amazon Kindle Paperwhite"); final UpdateResponse response = client.addBean("techproducts", kindle); client.commit("techproducts");
查詢
final SolrClient client = getSolrClient(); final SolrQuery query = new SolrQuery("*:*"); query.addField("id"); query.addField("name"); query.setSort("id", ORDER.asc); final QueryResponse response = client.query("techproducts", query); final List<TechProduct> products = response.getBeans(TechProduct.class);
SolrClient的API
SolrRequest 的API
method path queryParams 響應解析器 是否使用V2版API 認證信息
SolrRequest 的子類
SolrResponse 的API
SolrResponse 的子類
public class SolrJClientDemo { // baseSolrUrl 示例 private static String baseSolrUrl = "http://localhost:8983/solr/"; private static String baseSolrUrlWithCollection = "http://localhost:8983/solr/techproducts"; /** * HttpSolrClient:與一個solr Server 經過http進行通訊 */ public static SolrClient getHttpSolrClient(String baseSolrUrl) { return new HttpSolrClient.Builder(baseSolrUrl) .withConnectionTimeout(1000).withSocketTimeout(6000).build(); } public static SolrClient getHttpSolrClient() { return new HttpSolrClient.Builder(baseSolrUrl) .withConnectionTimeout(1000).withSocketTimeout(6000).build(); } /** * LBHttpSolrClient: 負載均衡的httpSolrClient <br> * 負載均衡方式: 輪詢給定的多個solr server url。 * 當某個url不通時,url地址會從活躍列表移到死亡列表中,用下一個地址再次發送請求。<br> * 對於死亡列表中的url地址,會按期(默認每隔1分鐘,可設置)去檢測是否變活了,再加入到活躍列表中。 <br> * 注意: <br> * 一、不可用於主從結構master/slave 的索引場景,由於主從結構必須經過主節點來更新。 <br> * 二、對於SolrCloud(leader/replica),使用CloudSolrClient更好。 * 在solrCloud中可用它來進行索引更新,solrCloud中的節點會將請求轉發到對應的leader。 */ public static SolrClient getLBHttpSolrClient(String... solrUrls) { return new LBHttpSolrClient.Builder().withBaseSolrUrls(solrUrls) .build(); } private static String baseSolrUrl2 = "http://localhost:7001/solr/"; public static SolrClient getLBHttpSolrClient() { return new LBHttpSolrClient.Builder() .withBaseSolrUrls(baseSolrUrl, baseSolrUrl2).build(); } /** * 訪問SolrCloud集羣用CloudSolrClient<br> * CloudSolrClient 實例經過訪問zookeeper獲得集羣中集合的節點列表,<br> * 而後經過LBHttpSolrClient來負載均衡地發送請求。<br> * 注意:這個類默認文檔的惟一鍵字段爲「id」,若是不是的,經過 setIdField(String)方法指定。 */ public static SolrClient getCloudSolrClient(List<String> zkHosts, Optional<String> zkChroot) { return new CloudSolrClient.Builder(zkHosts, zkChroot).build(); } private static String zkServerUrl = "localhost:9983"; public static SolrClient getCloudSolrClient() { List<String> zkHosts = new ArrayList<String>(); zkHosts.add(zkServerUrl); Optional<String> zkChroot = Optional.empty(); return new CloudSolrClient.Builder(zkHosts, zkChroot).build(); } public static void main(String[] args) throws Exception { // HttpSolrClient 示例: SolrClient client = SolrJClientDemo.getHttpSolrClient(); SolrInputDocument doc = new SolrInputDocument(); doc.addField("id", UUID.randomUUID().toString()); doc.addField("name", "HttpSolrClient"); UpdateResponse updateResponse = client.add("techproducts", doc); // 記得要提交 client.commit("techproducts"); System.out.println("------------ HttpSolrClient ------------"); System.out.println("add doc:" + doc); System.out.println("response: " + updateResponse.getResponse()); client.close(); // LBHttpSolrClient 示例 client = SolrJClientDemo.getLBHttpSolrClient(); doc.clear(); doc.addField("id", UUID.randomUUID().toString()); doc.addField("name", "LBHttpSolrClient"); updateResponse = client.add("techproducts", doc); // 記得要提交 client.commit("techproducts"); System.out.println("------------ LBHttpSolrClient ------------"); System.out.println("add doc:" + doc); System.out.println("response: " + updateResponse.getResponse()); client.close(); // CloudSolrClient 示例 client = SolrJClientDemo.getCloudSolrClient(); doc.clear(); doc.addField("id", UUID.randomUUID().toString()); doc.addField("name", "CloudSolrClient"); updateResponse = client.add("techproducts", doc); // 記得要提交 client.commit("techproducts"); System.out.println("------------ CloudSolrClient ------------"); System.out.println("add doc:" + doc); System.out.println("response: " + updateResponse.getResponse()); client.close(); } }
Solr提供的數據提交方式簡介
Solr中數據提交進行索引都是經過http請求,針對不一樣的數據源solr提供了幾種方式來方便提交數據。
1.基於Apache Tika 的 solr cell(Solr Content Extraction Library ),來提取上傳文件內容進行索引。
2.應用中經過Index handler(即 index API)來提交數據。
3.經過Data Import Handler 來提交結構化數據源的數據
Post工具:提交服務器上的xml、json、csv數據文件及pdf、excel等富文本文件。
Index handler 是什麼?
Index handler 索引處理器,是一種Request handler 請求處理器。
solr對外提供http服務,每類服務在solr中都有對應的request handler來接收處理,solr中提供了默認的處理器實現,若有須要咱們也可提供咱們的擴展實現,並在conf/solrconfig.xml中進行配置。
在 conf/solrconfig.xml中,requestHandler的配置就像咱們在web.xml中配置servlet-mapping(或spring mvc 中配置controller 的requestMap)同樣:配置該集合/內核下某個請求地址的處理類。
Solrconfig中經過updateHandler元素配置了一個統一的更新請求處理器支持XML、CSV、JSON和javabin更新請求(映射地址爲/update),它根據請求提交內容流的內容類型Content-Type將其委託給適當的ContentStreamLoader來解析內容,再進行索引更新。
配置一個requestHandler示例
<requestHandler name=「/update" class="solr.UpdateRequestHandler" />
Xml 格式數據索引更新
請求頭中設置 Content-type: application/xml or Content-type: text/xml
添加、替換文檔
<add> 操做,支持兩個可選屬性: commitWithin:限定在多少毫秒內完成 overwrite:指定當惟一鍵已存在時是否覆蓋,默認true。
<add> <doc> <field name="authors">Patrick Eagar</field> <field name="subject">Sports</field> <field name="dd">796.35</field> <field name="numpages">128</field> <field name="desc"></field> <field name="price">12.40</field> <field name="title">Summer of the all-rounder</field> <field name="isbn">0002166313</field> <field name="yearpub">1982</field> <field name="publisher">Collins</field> </doc> <doc> ... </doc> </add>
刪除文檔
<delete> <id>0002166313</id> <id>0031745983</id> <query>subject:sport</query> <query>publisher:penguin</query> </delete>
<delete> 操做,支持兩種刪除方式:
一、根據惟一鍵
二、根據查詢
組合操做
<update> <add> <doc><!-- doc 1 content --></doc> </add> <add> <doc><!-- doc 2 content --></doc> </add> <delete> <id>0002166313</id> </delete> </update>
<response> <lst name="responseHeader"> <int name="status">0</int> <int name="QTime">127</int> </lst> </response>
響應的結果: Status=0表示成功 Qtime是耗時
提交、優化、回滾操做
<commit waitSearcher="false"/> <commit waitSearcher="false" expungeDeletes="true"/> <optimize waitSearcher="false"/> <rollback/> commit、optimize 屬性說明: waitSearcher:默認true,阻塞等待打開一個新的IndexSearcher並註冊爲主查詢searcher,來讓提交的改變可見。 expungeDeletes: (commit only) 默認false,合併刪除文檔量佔比超過10%的段,合併過程當中刪除這些已刪除的文檔。 maxSegments: (optimize only) 默認1,優化時,將段合併爲最多多少個段
JSON 格式數據索引更新
請求頭中設置 Content-Type: application/json or Content-Type: text/json
添加、替換一個文檔
{ "id": "1", "title": "Doc 1" }
添加、替換多個文檔
[ { "id": "1", "title": "Doc 1" }, { "id": "2", "title": "Doc 2" } ]
在json中指定操做
{ "add": { "doc": { "id": "DOC1", "my_field": 2.3, "my_multivalued_field": [ "aaa", "bbb" ] } }, "add": { "commitWithin": 5000, "overwrite": false, "doc": { "f1": "v1", "f1": "v2" } }, "commit": {}, "optimize": { "waitSearcher":false }, "delete": { "id":"ID" }, "delete": { "query":"QUERY" } }
根據惟一鍵刪除的簡寫方式:
{ "delete":"myid" } { "delete":["id1","id2"] }
針對 JSON 格式數據提供的兩個專用path
不須要在請求頭中設置 Content-Type: application/json or Content-Type:text/json
Solr結構化數據導入簡介
Solr支持從關係數據庫、基於http的數據源(如RSS和ATOM提要)、電子郵件存儲庫和結構化XML 中索引內容。
從外而內,咱們來分析該如何實現數據導入。
一、咱們如何觸發solr進行數據導入?
須要在solrconfig.xml配置一個requestHandler,經過發出http請求來觸發,這個requestHander稱爲Data import Handler (DIH)
<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler"> <lst name="defaults"> <str name="config">/path/to/my/DIHconfigfile.xml</str> </lst> </requestHandler>
一、DataImportHandler這個類所在jar並無包含在類目錄中,咱們須要在solrconfig.xml中引入這個jar;
二、在solrconfig.xml中引入DataImportHandler的jar
在solrconfig.xml中找到<lib>的部分,加入下面的
<lib dir="${solr.install.dir:../../../..}/dist/" regex="solr-dataimporthandler-.*\.jar" />
二、solr接到請求後,它如何知道該從何處取什麼數據進行索引?
這就須要一個配置文件來定義這些了:
<requestHandler name="/dataimport" class="solr.DataImportHandler"> <lst name="defaults"> <str name="config">dih-data-config.xml</str> </lst> </requestHandler>
配置文件能夠是絕對路徑、或相對集合conf/的相對路徑。
思考:你以爲在DIH的配置文件中須要配置些什麼?以從數據庫導入爲例
從哪取數據?
取什麼數據?
如何取?
取出的數據是否須要經中間處理?
取出的數據如何與模式中的字段對應?
DIH核心概念
Datasource 數據源
Entity 實體:數據庫中的表、視圖
Processor 處理器:執行從實體中加載數據
Transformer 轉換器:對處理器加載的數據進行轉換處理
field 定義實體中的列與模式字段的對應。
字段對應規則說明:
一、自動進行名字相同配對;
二、對於名字不一樣的經過顯式配置 field的column、name屬性指定
來看一些配置示例
在solr安裝目錄中的example/example-DIH/solr/ 下能夠看到好幾個導入示例。
一、請查看各示例的solrconfig.xml中經過<lib>導入了哪些數據導入相關的jar。
二、請查看各示例的DIH配置文件的定義。
三、請重點看看從關係數據庫導入的示例。
從關係數據庫導入實踐
數據庫:mysql 表結構以下
create table t_product( prod_id varchar(64) PRIMARY key, name varchar(200) not null, simple_intro LONGTEXT, price bigint, uptime datetime, brand_id varchar(64), last_modify_time datetime ); create table t_brand( id varchar(64) PRIMARY key, name varchar(200) not null, last_modify_time datetime ); create table t_cat( id varchar(64) PRIMARY key, name varchar(200) not null, last_modify_time datetime ); create table t_prod_cat( prod_id varchar(64), cat_id varchar(64) , last_modify_time datetime );
從關係數據庫導入實踐-步驟
1.拷貝mysql的驅動jar包到solr中。問,能夠放到哪些目錄下?
2.在myproducts集合的solrconfig.xml中配置DIH及<lib>
3.在myproducts集合的conf/目錄下建立dih配置文件dih-data-config.xml
4.配置數據源
dataSource 數據源說明
單數據源
<dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost/dbname" user="db_username" password="db_password"/>
多數據源
<dataSource type="JdbcDataSource" name="ds-1" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://db1-host/dbname" user="db_username" password="db_password"/> <dataSource type="JdbcDataSource" name="ds-2" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://db2-host/dbname" user="db_username" password="db_password"/>
說明:
1.name、type 是通用屬性,type默認是jdbcDataSource
2.其餘屬性是非固定的,不一樣type可有不一樣的屬性,可隨意擴展。
配置咱們的數據源
<dataSource driver="com.mysql.jdbc.Driver" url="jdbc:mysql://127.0.0.1:3306/test?useUnicode=true&characterEncoding=utf-8&serverTimezone=GMT" user="root" password="root" />
說明: serverTimezone=GMT是爲解決引入最新版mysql驅動jar報時區錯誤而加入的鏈接請求參數。
從關係數據庫導入實踐-步驟
5.配置document對應的實體(咱們要導入的數據)
<document> 下可包含一個或多個 <entity>數據實體
entity 數據實體通用屬性說明
name (required) : 標識實體的惟一名
processor : 當數據源是非RDBMS 時,必須指定處理器。(默認是SqlEntityProcessor)
transformer : 要應用在該實體上的轉換器。
dataSource : 當配置了多個數據源時,指定使用的數據源的名字。
pk : 實體的主鍵列名。只有在增量導入時才須要指定主鍵列名。和模式中的惟一鍵是兩個不一樣的東西。
rootEntity : 默認document元素的子entity是rootEntity,若是把rootEntity屬性設爲false值,則它的子會被做爲rootEntity(依次類推)。rootEntity返回的每一行會建立一個document。
onError : (abort|skip|continue) . 當處理entity的行爲document的過程當中發生異常該如何處理:默認是 abort,放棄導入。skip:跳過這個文檔,continue:繼續索引該文檔。
preImportDeleteQuery : 在全量導入前,如須要進行索引清理cleanup,能夠經過此屬性指定一個清理的索引刪除查詢,不然用的是‘*:*’(刪除全部)。只有<document>的直接子Entity設置此屬性有效。
postImportDeleteQuery : 指定全量導入後須要進行索引清理的delete查詢。只有<document>的直接子Entity設置此屬性有效.
SqlEntityProcessor 的 entity 屬性說明
query (required) : 從數據庫中加載實體數據用的SQL語句。
deltaQuery : 僅用於增量導入,指定增量數據pk的查詢SQL。
parentDeltaQuery : 指定增量關聯父實體的pk的查詢SQL。
deletedPkQuery :僅用於增量導入,被刪除實體的pk查詢SQL。
deltaImportQuery : (僅用於增量導入) .指定增量導入實體數據的查詢SQL。若是沒有指定該查詢語句,solr將使用query屬性指定的語句,經修改後來查詢加載增量數據(這很容易出錯)。在該語句中每每須要引用deltaQuery查詢結果的列值,經過 ${dih.delta.<column-name>} 來引用,如:select * from tbl where id=${dih.delta.id}
從關係數據庫導入實踐-步驟
6.配置查詢數據的SQL
7.配置獲取關聯表數據
entity 關係表示
實體關係(一對1、一對多、多對1、多對多),用子實體來表示,在子實體的SQL查詢語句中可用${parentEntity.columnName}來引用父實體數據的列值。
一個實體可包含多個子實體。
導入API請求參數command(操做)的選項值說明
full-import : 請求啓動全量導入:
http://<host>:<port>/solr/dataimport?command=full-import 返回導入正在進行中的狀態信息,導入會在一個新線程中開啓(可能會須要必定時間完成導入)。導入完成後,導入的開始時間將存入到conf/dataimport.properties 文件中,用於後面的增量導入。增量導入完成後也會存入增量開始的時間到這個文件,用於下一次增量導入。全量導入期間並不會阻塞solr查詢。
可附加的參數有:
entity : 指定導入<document> 下的哪些實體(必須是直接子). 若是沒有給定該參數,則是其下全部子entity。
clean : (default 'true') 指定是否在導入前清理索引
commit : (default ‘true’) 指定導入後是否提交
optimize : (default ‘true’ up to Solr 3.6, ‘false’ afterwards). 是否進行優化。
debug : (default ‘false’). 是否以調試模式運行,開發下使用。
調試模式下不會提交,除非明確指定commit=true.
delta-import : 請求啓動增量導入http://<host>:<port>/solr/dataimport?command=delta-import . 支持的附加參數: clean, commit, optimize and debug 同 full-import。
status : 導入是異步進行的,經過下面的請求得到導入的進度、結果狀態信息:http://<host>:<port>/solr/dataimport.
reload-config : 請求從新加載dih配置文件:http://<host>:<port>/solr/dataimport?command=reload-config .
abort : 請求停止當前的操做:http://<host>:<port>/solr/dataimport?command=abort .
8.配置增量導入的SQL
增量導入中的特殊變量${dataimporter.last_index_time} 說明
這個變量是上次導入的開始時間。默認存儲在conf/請求處理器名.properties文件中。咱們能夠在<dataConfig>下配置一個propertyWriter元素來設置它。
<propertyWriter dateFormat="yyyy-MM-dd HH:mm:ss" type="SimplePropertiesWriter" directory="data" filename="my_dih.properties" locale="en_US" />
說明:type在非cloud模式下默認是SimplePropertiesWriter,在cloud模式下默認是ZKPropertiesWriter
DIH配置文件中使用請求參數
若是你的DIH配置文件中須要使用請求時傳人的參數,可用${dataimporter.request.paramname}表示引用請求參數。
配置示例:
<dataSource driver="org.hsqldb.jdbcDriver" url="${dataimporter.request.jdbcurl}" user="${dataimporter.request.jdbcuser}" password="${dataimporter.request.jdbcpassword}" />
請求傳參示例:
http://localhost:8983/solr/dih/dataimport?command=full-import&jdbcurl=jdbc:hsqldb:./example-DIH/hsqldb/ex&jdbcuser=sa&jdbcpassword=secret
小結
1.Solr支持從不少種數據源導入數據
2.實現了不少的處理器及轉換器
實際工做過程當中如碰到了別的數據源的導入,必定要想到solr中應該有對應的解決方案。參考地址:
http://lucene.apache.org/solr/guide/7_3/uploading-structured-data-store-data-with-the-data-import-handler.html
https://wiki.apache.org/solr/DataImportHandle
<dataConfig> <dataSource driver="org.mysql.jdbc.Driver" url="jdbc:mysql://127.0.0.1:3306/example?useUnicode=true" user="sa" password="123456"/> <document> <entity name="product" query="select * from t_product" pk="prod_id" <!-- deltaQuery :增量操做時進行的查詢 --> deltaQuery ="select prod_id from t_product where last_modify_time > '${dataimporter.last_index_time}'" <!-- deltaImportQuery:deltaQuery 以後進行的查詢 prod_id 是entity的pk --> deltaImportQuery ="select * from t_product where prod_id ='${dih.delta.prod_id}'" > <field column="prod_id" name="prodId" /> <field column="simple_intro" name="simpleIntro" /> <!-- 對應品牌 --> <entity name="brand" pk='id' query="select name from t_brand where id='${product.brand_id}'" <!-- deltaQuery :增量操做時進行的查詢 --> deltaQuery ="select id from t_brand where last_modify_time > '${dataimporter.last_index_time}'" <!-- parentDeltaQuery: 子操做更新完 父級折行的操做 --> parentDeltaQuery ="select prod_id from t_product where brand_id='#{brand.id}' " > <field name="name" column="brand" /> </entity> <!-- 商品類別 --> <entity name="productCat" query="select prod_id,cat_id from t_product_cat where prod_id='${product.prod_id}'"> <entity name="cat" query="select name from t_cat where id = '${productCat.cat_id}'"> <field column="name" name="cat" /> </entity> </entity> </entity> </document> </dataConfig>