全文索引----solr服务器更新增量索引

 

   上篇文章我们介绍了全量更新solr索引，但是在数据量较大时，频繁的更新索引会消耗系统性能，如果更新频率较低，则会影响短时的数据准确性，所以，更新时间的间隔是个很难界定。增量索引解决了这个问题，我们可以在较短的时间内只更新那些变化的数据，这样就避免了大批量的数据更新，因为数据量小，我们可以设置较短的时间间隔，大幅度的提高了用户体验度。本文介绍增量索引。
    一 配置数据源
    1.1 数据库

 

    为了便于同全量索引比较，我们使用同一个数据库和数据表。增量索引的关键是找到那些修改的数据，所以需要添加一个标识符，数据类型是时间戳，字段命名为updateTime，即四个字段，id,title,content,updateTime,其中updateTime数据类型为TimeStamp，默认值为CURRENT_TIMESTAMP.结构如下：

 

    solr本身提供了一个last_index_time,这个字段记录了每条记录导入的时间（包括增量和全量导入），我们只需要将updateTime和last_index_time比较即可得到上一次索引更新以后变化的记录。
    1.2 配置data-config.xml
    全量索引继续保留，所以原来的配置不需要修改，我们只需要添加增量索引的配置。首先，我们在索引中用到了updateTime字段，所以需要添加updateTime字段的索引；其次，增量索引的关键就是找到更新的那些数据，通过上边分析，我们首先需要使用last_index_time字段找到更新的记录代码如下：

 

deltaQuery="select id from blog where updateTime > '${dataimporter.last_index_time}'"

最后，我们根据获得的id更新索引即可，代码如下：

 

deltaImportQuery="select * from blog where id='${dih.delta.id}'"

最终的配置如下：

 

    url="jdbc:mysql://192.168.21.20:3306/jfinal_demo" user="root" password="123456" batchSize="-1" />
　　
		
			
			
			
			
		
	

    data-config.xml中一些属性说明：
        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   

    1.3 配置schema.xml

 

    在全量索引的基础上，我们只需要添加updataTime字段的索引即可，代码如下：

 

 

 

 

    1.4 修改数据库，产生数据源
    我们直接修改数据库中的一条记录，提供增量索引数据，修改如下：


    二 通过solr Admin客户端更新索引

 

 

    2.1 更新操作如下：

 

    2.2 结果测试

 

    说明：使用solr Admin客户端方式，简单，快捷，直观性强，适用于数据测试。
    三 使用http请求更新索引
    3.1 原理
    我们前文已经介绍过原理，这里不再赘述。前文连接：点击打开链接
    3.2 实现

 

    我们继续使用HttpURLConnection对象来完成http请求，代码如下：

 

    /** 
     * 访问URL，全量索引 
     */  
    public static Boolean runHttpGet(){  
        Boolean flag = false;  
        //设置请求的路径    
        String strUrl="http://192.168.22.216:8983/solr/dataimport?command=delta-import";    
        //将请求的参数进行UTF-8编码，并转换成byte数组=    
        try {    
            //创建一个URL对象    
            URL url=new URL(strUrl);    
            //打开一个HttpURLConnection连接    
            HttpURLConnection urlConn=(HttpURLConnection)url.openConnection();    
            //设置连接超时的时间    
            urlConn.setDoOutput(true);    
            //在使用post请求的时候，设置不能使用缓存    
            urlConn.setUseCaches(false);    
            //设置该请求为post请求    
            urlConn.setRequestMethod("GET");    
            urlConn.setInstanceFollowRedirects(true);    
            //配置请求content-type    
            urlConn.setRequestProperty("Content-Type", "application/json, text/javascript");    
            //执行连接操作    
            urlConn.connect();    
            //发送请求的参数    
            DataOutputStream dos=new DataOutputStream(urlConn.getOutputStream());    
            dos.flush();  
            dos.close();  
              
            if(urlConn.getResponseCode()==200){  
                flag = true;  
                //显示    
                InputStreamReader isr = new InputStreamReader(urlConn.getInputStream(), "utf-8");  
                int i;       
                String strResult = "";       
                // read       
                while ((i = isr.read()) != -1) {       
                    strResult = strResult + (char) i;  
                }  
                //System.out.println(strResult.toString());  
                isr.close();       
            }  
        } catch (Exception e) {    
            e.printStackTrace();    
        }    
        return flag;  
    }

 

 

    等同前文，使用此方法，也可以使用quartz做任务调度，代码不再示范。

 

    3.3 结果测试

 

    四 使用官方Scheduler实现索引更新
    4.1 jar包配置
    下载apache-solr-dataimportscheduler-1.0.jar放到Tomcat的webapps的solr目录的WEB-INF的lib目录下。
    4.2 修改solr的WEB-INF目录下的web.xml文件，为元素添加一个子元素，

 

    
        
        org.apache.solr.handler.dataimport.scheduler.ApplicationListener    
        
 
 
  
 
  
    4.3 修改配置文件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），然后用解压文件打开apache-solr-dataimportscheduler-1.0.jar文件，将里面的dataimport.properties文件拷贝过来，进行修改，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=core1,core2  
   
#  solr server name or IP address  
#  [defaults to localhost if empty]  
server=localhost  
   
#  solr server port  
#  [defaults to 80 if empty]  
port=8080  
   
#  application name/context  
#  [defaults to current ServletContextListener's context (app) name]  
webapp=solr  
   
#  URL params [mandatory]  
#  remainder of URL  
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5天;   
#  为空,为0,或者注释掉:表示永不重做索引  
reBuildIndexInterval=7200  
   
#  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
 
  
 
 
  
 
 
  
    五 索引删除
     5.1 概述
     在solr的使用过程中或者测试时，会产生一些脏数据，我们需要及时的删除这些脏数据，小编一solr Admin客户端介绍如何删除或清空索引。
 
  
 
 
  
 
 
  
    5.2 操作
 
  
 
 
  
 
  
 
 
  
    5.3 说明
     我们选择的是更新操作，文件类型选择XML格式，更新语句可以填写删除语句，如果删除某个索引，可以填写如下代码：
     方法一 
 
  
 
 
  
1
 
  
    方法二
 
  
id:1
 
  
    如果要清空所有索引，可以填写如下代码：
 
  
 
 
  
*:*
 
  
 
 
  
 
 
  
    六 总结
 
  
 
 
  
    增量索引提供了小批量数据更新的可能，在实际需要中，我们可以将全量索引和增量索引结合使用，达到短时间的数据同步和性能消耗的平衡。
 
  
 
 
  
声明：如无特殊声明，本系列博客以solr-4.7.2版本为例，如有错误，敬请斧正。