Solr DataImportHandler 配置

DIH主要用于从数据库抓取数据并创建索引。另外还能够从HTTP（RSS、ATOM）拉数据。

相关概念：

Datasource：数据源，包含获取数据必需的信息：数据位置（url）、数据库driver、登录账号和password
Entity：相当于数据库的一个视图，能够从一个表或联表查询获得
Processor：数据处理器，负责从数据源中获取数据、处理、然后增加到索引中
Transformer：数据转换器，可选，负责改动数据、创建新的field、或依据须要把一条记录变成多条记录

首先。链接数据库须要mysql connector：

下载地址：http://mvnrepository.com/。搜索：mysql connector java

点击最新版本，点击“Download ( JAR ) ”下载，或（更方便的方法）复制链接地址，然后用wget下载：

cd /opt/app/solr/server/solr-webapp/webapp/WEB-INF/lib/

wget http://central.maven.org/maven2/mysql/mysql-connector-java/5.1.36/mysql-connector-java-5.1.36.jar

配置：

solrconfig.xml中加入 requestHandler，比如：

  <requestHandler name="/dataimport" class="solr.DataImportHandler">
    <lst name="defaults">
      <str name="config">db-data-config.xml</str>
    </lst>
  </requestHandler>

config參数指定DIH配置文件的位置。DIH配置文件负责指定数据源、拉取和处理数据的方法。

solrconfig.xml 中加入DIH jar包依赖：

<lib dir="${solr.install.dir:../../../..}/dist/" regex="solr-dataimporthandler-.*.jar" />

DIH配置文件：

根节点：<dataConfig>

dataSource
- type: 数据源类型，如：JdbcDataSource（缺省值），採用SqlEntityProcessor
- driver: 数据库驱动，如：com.mysql.jdbc.Driver
- convertType:
- url: 数据库url
- user: 你懂的
- password: 你懂的
document
- entity
  - name: 随便起的一个标志，能够给嵌套的entity使用。比方${item.id}（如果name="item"）
  - query: 拉取全部数据的语句
  - deltaQuery: 拉取delta数据的语句，如：deltaQuery="select * from xxx where last_modified > '${dataimporter.last_index_time}'"
  - field: 指定 dataSource 的 field 和 solr 的field的相应关系，如：<field name="NAME" column="name" />
  - entity: 嵌套的entity。定义一些一对多的数据。能够使用父entity的name作为条件，比方：where item_id='${item.id}'
  - transformer: 指定transformer对象。多个的话用逗号分开

配置文件样例（文件名称：db-data-config.xml）：

<dataConfig>
  <dataSource type="JdbcDataSource"
              driver="com.mysql.jdbc.Driver"
              convertType="true"
              url="jdbc:mysql://127.0.0.1:3306/db_name"
              user="sa"
              password="123456"/>
  <document>
    <entity name="course_video" query="SELECT id, title, content, tags FROM ts_course_video" >
    </entity>
  </document>
</dataConfig>

须要和另外一个配置文件配合使用：schema.xml。定义了field和fieldType。參考：http://blog.csdn.net/clementad/article/details/47666043

样例：

<?
xml version="1.0" encoding="UTF-8" ?>

<schema name="course_video" version="1.5">
        <field name="id" type="int" indexed="true" stored="true" required="true" multiValued="false" />

        <field name="_version_" type="long" indexed="true" stored="true"/>

        <field name="title" type="string" indexed="true" stored="true" required="true" multiValued="false" />
        <field name="tags" type="string" indexed="true" stored="false" required="false" multiValued="false" />
        <field name="content" type="string" indexed="true" stored="true" required="false" multiValued="false" />

        <field name="info_text" type="text_general" indexed="true" stored="false" multiValued="true" />

        <copyField source="title" dest="info_text" />
        <copyField source="content" dest="info_text" />
        <copyField source="tags" dest="info_text" />

        <uniqueKey>id</uniqueKey>

        <fieldType name="string" class="solr.StrField" sortMissingLast="true" />
        <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/> 

    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
      <analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>

      <analyzer type="query">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
    </fieldType>

</schema>

通过HTTP请求（POST或GET）运行各种DIH操作：

请求格式：http://<host>:<port>/ solr/ <collect ion_name>/ dataimport? command=<command>

当中，各种<command>例如以下：

abort：停止当前正在进行的操作
delta-import：调用deltaQuery拉取数据。
能够带上几个额外的參数：&clean=true&commit=true等等（和full_import同样）
full-import：调用query拉取全部数据。
请求会立即返回。后台有新线程运行重建索引的操作。
能够通过status操作查询状态。
额外參数：
- clean：缺省为true。是否在開始重建索引前清除旧索引
- commit：缺省为true。是否提交操作请求
- debug：缺省为false。
  debug模式，不会commit操作。
  假设同一时候须要commit，得带上commit=true參数
- entity：缺省为全部的entity。能够指定某一个或多个entity
- optimize：缺省为true。是否须要在完毕操作后优化索引
reload-config：假设改动了配置文件，运行这个命令使它生效
status：返回各种统计数据、以及DIH的当前状态

（原创文章。转载请注明转自Clement-Xu的博客）