Solr Multicore 结合 Solr Distributed Searching 切分大索引来搜索

 

 

 

原文出处:http://blog.chenlb.com/2009/01/solr-multicore-work-with-solr-distributed-searching-to-search-big-index.html (系列博文,大牛!)

 

Solr Distributed Searching (分布式搜索) 是 solr 1.3 的特性。大索引,可能有多种原因要把它分成N个小的索引,可以把小索引放到其它的机器上,但是我没这么多机器怎么办呢?solr 1.3 有 multicore,恩,multicore 简单使用 可以看我那一篇文章。各个 core 各不干扰,可以独立做索引(做索引时,可以分散到各个core上)。

现来看下 Distributed Searching 的效果,打开:http://localhost:8080/solr-cores/core0/select/?q=*%3A*&version=2.2&start=0&rows=10&indent=on&shards=localhost:8080/solr-cores/core0,localhost:8080/solr-cores/core1 可以看到三条记录,core0 一条,core1 二条。

接着会有一个问题:原来很多程序调用 solr,用如 localhost:8080/solr-cores/select/?q=*%3A* 。又不想改原来的调用的代码,能不能做到透明呢,探索...

记得以前看 solr 文档时可以定义一些默认的查询参数,那 shards 参数也应该可以写在配置里。然后再 core0 的 solrconfig.xml 文件里的 standard request handler 里加入这参数,如:

  1.   <requestHandler name="standard" class="solr.SearchHandler" default="true">  
  2.   <!-- default values for query parameters -->  
  3.    <lst name="defaults">  
  4.      <str name="echoParams">explicit</str>  
  5.      <str name="shards">localhost:8080/solr-cores/core0,localhost:8080/solr-cores/core1</str>  
  6.    </lst>  
  7. </requestHandler>   

马上运行下,但好长时间没有结果,CPU使用率很高,深思了下,.... 估计是死循环,因为solr解析shards后,调用shard时,是用默认的request handler。而其中一个shard又是core0(自身),那就等于不会结果的递归。所以这种方法不行。要避免死循环,就不要core0来做合并,可 以找其它。于是我就加了一个tomcat实例如localhost:8080/solr来做代理(合并结果),结果成功运行。

想来想去,能不能不要另一个tomcat实例呢,直接就用一个 core,继续再探索... 。

我再开一个 core 就命名为 core,复制core0为core。把原来core0/solrconfig.xml的配置的shards去掉,然后在 solr1.3/example/multicore/solr.xml里加,如:

  1. <?xml version="1.0" encoding="UTF-8" ?>  
  2. <solr persistent="false">    
  3.   
  4.   <cores adminPath="/admin/cores">  
  5.     <core name="core" instanceDir="core" />  
  6.     <core name="core0" instanceDir="core0" />  
  7.     <core name="core1" instanceDir="core1" />  
  8.   </cores>  
  9. </solr>   

结果成功运行。其中,core0、core1是有数据的,而core是没数据的,core只是运行合并。问题虽然可以差强人意地解决。但是还有一个 问题:原来的程序要调用solr,所有url不能改变,加了core是要改url 的,看源码时发现它可以为core名定义别名,就是用“,”号隔开。改为如下:

  1. <?xml version="1.0" encoding="UTF-8" ?>  
  2. <solr persistent="false">    
  3.   
  4.   <cores adminPath="/admin/cores">  
  5.     <core name="core,," instanceDir="core" />  
  6.     <core name="core0" instanceDir="core0" />  
  7.     <core name="core1" instanceDir="core1" />  
  8.   </cores>  
  9. </solr>   

"core,,"为什么是两个","号呢?。"core,"解析不出两个名,所有就无别名了。"core,,",解析出两个名,一是:"core,一是:"" 空串。有了空串就可以原来的url可以到达core(合并的core)。

至于死循环问题,同事在看源码,看是否不用多加一个额外的core来合并。结果他发现一个shard.qt的参数可以解决此问题,本质就是让所有的 shard调用不用默认request handler,shard.qt可以做到这一点,使所有的shard调用都加qt参数。

现来改为最后的方案,在core0与core1的solrconfig.xml里加一个request handler如:

  1. <requestHandler name="shard" class="solr.SearchHandler" />  

然后再core0的solrconfig.xml的默认request handler加shards参数,与shards.qt为shard(shard request handler),如:

  1. <requestHandler name="standard" class="solr.SearchHandler" default="true">  
  2. <!-- default values for query parameters -->  
  3.  <lst name="defaults">  
  4.    <str name="echoParams">explicit</str>  
  5.    <str name="shards.qt">shard</str>  
  6.    <str name="shards">localhost:8080/solr-cores/core0,localhost:8080/solr-cores/core1</str>  
  7.  </lst>  
  8. </requestHandler>   

然后在,solr.xml里的core(没数据的去掉),把core0加上空的别名,如:

  1. <core name="core0,," instanceDir="core0" />  

当然也可以在core1里加相同的参数,这样core0与core1的功能是一样的,就是两个搜索的url都可以找到所有的数据,我认为:每个配置 一样,在索引分到其它机器的时候比较有作用(如果这样,可以不用multicore的形式,即原始形式),在外面看不出是几个索引的,同时合并的任务也均 匀一些。

Solr Distributed Searching 当然也会消耗,合并的core会向每个shard的core发送两次请求:第一次是找id;第二次是根据id再找文档。如果有N个shard,可以认为有 2N+1次请求,1是作合并的请求,其中2N的请求(发每个shard发送的)是用二进制协议通信,性能比xml协议好。

你可能感兴趣的:(search)