Solr 4.x定时、实时增量索引 - 修改、删除和新增索引

 开始之前，可以参考上篇博文全量索引-数据导入并索引：

http://josh-persistence.iteye.com/admin/blogs/2017059

 

          Solr增量索引配置

 

一、开始增量索引前的准备工作。

1、认识data-config.xml中相关属性

       <!--  transformer 格式转化：HTMLStripTransforme表示 索引中将忽略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query只返回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  ---> 注意这个只返回ID字段 

最主要的是我们要知道这样一个事实： 

 1) last_index_time是DataImportHandler的一个默认字段，（可查看conf目录下的dataimporter.properties文件）

  2) 我们可以在任何SQL中引用，该字段用于表明上次做full import或者是delta import(增量导入）的最后一次时间。

 

2、数据库配置注意事项

1）、如果只涉及添加与修改业务，那么数据库里只需添加一个类型为timpstamp，默认值为当前系统时间的字段 ：CURRENT_TIMESTAMP（mysql） 

 

2）、如果还涉及删除业务，那么数据里就需额外再多添加一个字段isdelete，int类型的用0,1来标识，此条记录是否被删除，当然也可以用其他字段标识，ture或false都可以 

 

 3、dataimporter.properties / {corename}_dataimporter.properties

在C:\solr-tomcat\solr\item\conf中查看是否存在文件dataimporter.properties,如果没有，则新建该文件。

这个配置文件很重要，它是用来记录索引的最新一次修改时间的，通过该配置文件可以找出新增的、修改的或者删除的记录。相关实例：

 

在data-config中添加如下配置信息。

 <dataConfig>
    <!--- 此段话配置的是一个MySQL的数据源，（数据源也可以配置在solrconfig.xml中）  --->  <dataSource name="activityDB" type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost/test" user="swang6" password="swang6"/>
        <document>
           <entity pk="ID"  dataSource="activityDB" name="myentity"
             query="select * from myentity WHERE isdelete=0"
          deltaQuery="select ID  from myentity where my_date >'${dih.last_index_time}'"
             deletedPkQuery="select ID from myentity where isdelete=1"
             deltaImportQuery="select * from myentity where ID='${dih.delta.id}">

           <!--  ID指定大写的，与上面语句中的对应起来---->
           <field column="ID" name="id"/>
           <field column="name" name="name"/>
           <field column="address" name="address"/>
           <field column="age" name="age"/>
           <field column="my_date" name="my_date"/>
           <field column="isdelete" name="isdelete"/>

         </entity>
    </document>
 </dataConfig>

 

说明：

 

 <!-- pk="ID" 必须，因为其中的增量索引查询主键ID时需要  -->

            <!--  dataSource="acitvityDB" 这个引用名字是引用上面数据源的名字 -->

            <!--  name="myentity" 存在多个实体时，这个名字必须唯一 -->

            <!--  query：用于全量导入而非增量导入
            query="select * from myentity WHERE isdelete=0
            query查询是指查询出表里所有的符合条件的数据，因为我测试的有删除业务，所以
            where后面有一个限定条件isdelete=0，意思为查询未被删除的数据
            -->

           <!--  deltaQuery ： 用于增量导入且只返回ID
              deltaQuery="select ID  from myentity where my_date >
                  '${dih.last_index_time}'"
              deltaQuery的意思是，查询出所有经过修改的记录的ID
              可能是修改操作，添加操作，删除操作产生的
           -->

          <!--  deletedPkQuery : 用于增量导入且只返回ID
           deletedPkQuery="select ID from myentity where isdelete=1"
           此操作只查询那些数据库里伪删除的数据的ID（即isdelete标识为1的数据）
           solr通过它来删除索引里面对应的数据
          -->

          <!--  deltaImportQuery： 增量导入起作用，可以返回多个字段的值,一般情况下，都是返回所有字段的列
        deltaImportQuery="select * from myentity where ID='${dih.delta.ID}'"
       deltaImportQuery查询是获取以上两步的ID，然后把其全部数据获取，根据获取的数据
        对索引库进行更新操作，可能是删除，添加，修改
       -->

 

 注：如果有必要，则可以在schema.xml中添加一个timestamp的field

<field name="timestamp" type="date" indexed="true" stored="true" default="NOW" />

 

 

做了以上配置后，可以设置linux的cron job或者Spring 的TaskSchuduler或者Cron Job后，可以定时发url：

http://localhost:8983/solr/dataimport?command=delta-import 去做增量索引。

更多关于Solr做增量索引的说明文档：http://wiki.apache.org/solr/DataImportHandler

 

当然也可以用Solr自带的Scheduler来做增量索引：

http://wiki.apache.org/solr/DataImportHandler#Scheduling