solr的自带的DIH进行增量索引

solr自带了DIH(DataImportHandler),提供了一站式的全量和增量方案，所以本着简单方便的理念，所以就是通过DIH来解决问题
http://wiki.apache.org/solr/DataImportHandler，DIH的官方文档，里面很多都已经讲的很到位，依据其中的说明，很多就配置完成了全量索引的文件，顺利完成了全量索引的方案，不久需要进行增量索引，忽然发现其中有好多配置比较蛊惑人心，所以就决定依着源码进行细致的研究
下面是对官方文档的一部分翻译，以及自己的研究的一点心得
目标：
读取属于数据库的数据
根据配置，聚合多列和多表的数据
用documents去更新solr
进行full imports，根据配置
通过最后的修改时间，侦测插入和更新，进行delta import
定时进行full imports和delta imports
读取和索引数据，从xml/(http/file)

设计概述


/home/username/data-config.xml



提供了full-import和delta-import


使用RDBMS
使用full-import和delta-import(get new inserts/updates)
name：如果有多个datasources


多个数据源



配置JdbcDataSource
driver:
url
user
password
jndiName
batchSize:
convertType：默认为false，自动的读取数据，用目标solr data-type
autoCommit:If set to 'false' it sets setAutoCommit(false)
readOnly : If this is set to 'true' , it sets setReadOnly(true), setAutoCommit(true), setTransactionIsolation(TRANSACTION_READ_UNCOMMITTED),setHoldability(CLOSE_CURSORS_AT_COMMIT) on the connection Solr1.4
transactionIsolation : The possible values are [TRANSACTION_READ_UNCOMMITTED, TRANSACTION_READ_COMMITTED, TRANSACTION_REPEATABLE_READ,TRANSACTION_SERIALIZABLE,TRANSACTION_NONE]

配置data-config.xml
schema的配置
name：
processor：当datasource不是RDBMS时，需要，默认为SqlEntityProcessor
transformer:
dataSource:
threads:必须放置在根目录（现在已被移除，从solr 4.0）
pk：entity的主键，这是可选的，紧紧在使用delta-imports时，才需要，但是它和定义在schema.xml中的uniqueKey没有什么关系，但是它们两个可以是一致的
rootEntity：位于document下面的entities，将会作为根实体，如果它被设置为false,位于它下面的实体将会被当做根实体，对于返回的每一个根实体都将在solr中进行创建
onError：abort|skip|continue.默认为abort，skip:忽略掉当前的文档，continue:如果这个错误没有出现，将会继续
preImportDeleteQuery：在全部导入之前，这将会被清除索引
postImportDeleteQuery:在全部导入之后，这将会被用来清除索引

对于SqlEntityProcessor:
query
deltaQuery:
parentDeltaQuery:
deletePkQuery:
deltaImportQuery

commands:
full-import：全量导入
entity：under document tag,
clean: true 在索引数据之前是否先清除已有的索引,
commit:true 在索引之后是否进行提交,
optimize: 3.6之前为true，之后为false,在对数据进行索引之后，是否进行索引的优化，
debug：默认为false，使用在交互开发模式，在这种模式下面，文档永远不会被自动提交，如果你想要在进行debug模式的时候，并且也自动提交，添加commit=true，作为一个请求的参数

delta-import：clean,commit,optimize,debug
status：created, deleted,queries run, rows fetched, status
reload-config：在data-config改变时，可以不启动solr直接加载配置文件
abort：遗弃一个操作

注：clean:

Delta-Import Example



query="select * from item"
deltaImportQuery="select * from item where ID='${dih.delta.id}'"
deltaQuery="select id from item where last_modified > '${dih.last_index_time}'">
query="select description as features from feature where item_id='${item.ID}'">

query="select CATEGORY_ID from item_category where ITEM_ID='${item.ID}'">
query="select description as cat from category where id = '${item_category.CATEGORY_ID}'">









deltaImportQuery="select * from item where ID=='${dih.delta.id}'"
deltaQuery="select id from item where last_modified > '${dih.last_index_time}'">
query="select DESCRIPTION as features from FEATURE where ITEM_ID='${item.ID}'"
deltaQuery="select ITEM_ID from FEATURE where last_modified > '${dih.last_index_time}'"
parentDeltaQuery="select ID from item where ID=${feature.ITEM_ID}"/>
query="select CATEGORY_ID from item_category where ITEM_ID='${item.ID}'"
deltaQuery="select ITEM_ID, CATEGORY_ID from item_category where last_modified > '${dih.last_index_time}'"
parentDeltaQuery="select ID from item where ID=${item_category.ITEM_ID}">
query="select DESCRIPTION as cat from category where ID = '${item_category.CATEGORY_ID}'"
deltaQuery="select ID from category where last_modified > '${dih.last_index_time}'"
parentDeltaQuery="select ITEM_ID, CATEGORY_ID from item_category where CATEGORY_ID=${category.ID}"/>





query：在full-import中，获取需要的
deltaImportQuery：当跑delta-import时，deltaImportQuery将获取到的数据填充到字段中
deltaQuery：自从上一次索引时间以来，给出改变的主键
parentDeltaQuery：parentDeltaQuery使用当前表的改变的行，（通过deltaQuery来获取），给出在父表中变化的行，这个是需要的，因为无论何时，在子表中的数据的改变，我们需要重新生成有这些
字段的文档。
query查询给出的每一行，子查询都会被执行
deltaQuery查询给出的每一行，parentDeltaQuery父级查询被执行
在root/child中的任一行发生改变，我们将重新产生这个彻底的solr document

这个"deltaImportQuery"是一个solr 1.4特性，

Solr3.1
这个handler检查确定你声明的主键域，是在所有查询的结果中，在一个实例中，这个要求使用SQL别称，当从1.4更新到3.1时，

配置property writer
在dataConfig tag下面增加一个tag "propertyWriter"


type：这个实现的class
filename：simplePropertiesWriter
directory：simplePropertiesWriter
dateFormat：指定了格式化时间
locale：SimplePropertiesWriter/ZKPropertiesWriter,

Interactive Development Mode交互开发模式
点击"Debug Mode"按钮，将会启用这个功能，它将展示你的当前的DIH
注意点：你需要配置需要debug文档的行数，start和rows参数，
选择"verbose"选项。获取中间步骤的详细信息。查询到的，和传给transformter的，以及输出的
如果在跑的过程中有异常出现，这个堆栈将会被正确展示
这个域将会被实体产生，如果这个字段没有在schema.xml中明确声明，transformers就不会对此做出处理。


dataimportHandler：
对于根目录（root）的entity，如果不提供PK，则可以通过dataimporter.delta.id，进行数据的获取
如果提供了PK，也不能通过

[img]http://dl2.iteye.com/upload/attachment/0114/4238/d713bbbe-7461-3d93-8220-f76b2c19b58c.png[/img]

也不能通过这种方式指定ID,

但是对于child，则不能通过dataimporter.delta,来指定，必须通过entity.name.Id,来指定，且增量导入的时候，pk必须有，且，pk的值的定义必须和deltaQuery，中的一致

parentDeltaQuery 这个在子节点中是查询的父节点中deltaImportQuery中需要的条件，通过parentDeltaQuery 查询出来的条件，将会和父节点中的deltaQuery组合起来，变成一起的条件，供父节点的deltaImportQuery中的条件去查询
deltaImportQuery 这个只是在根节点起作用


未完待续。。。。。