全文检索引擎Solr系列——整合MySQL、MongoDB

MySQL

1. 拷贝mysql-connector-java-5.1.25-bin.jar到E:solr-4.8.0examplesolr-webappwebappWEB-INFlib目录下面
2. 配置E:solr-4.8.0examplesolrcollection1confsolrconfig.xml

1 2 3 4 5 6

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

1. 导入依赖库文件：

     <pre class=" xml; gutter: false; first-line: 1; highlight: []; html-script: false">&lt;lib dir=&quot;../../../dist/&quot; regex=&quot;solr-dataimporthandler-d.*.jar&quot;/&gt;</pre>
   

   加在

   <pre class=" xml; gutter: false; first-line: 1; highlight: []; html-script: false">  &lt;lib dir=&quot;../../../dist/&quot; regex=&quot;solr-cell-d.*.jar&quot; /&gt;</pre>
   

   前面。

2. 创建E:solr-4.8.0examplesolrcollection1confdata-config.xml，指定MySQL数据库地址，用户名、密码以及建立索引的数据表
   <?xml version="1.0" encoding="UTF-8" ?>

         <dataConfig> 

                 <dataSource type="JdbcDataSource"

                             driver="com.mysql.jdbc.Driver"

                             url="jdbc:mysql://localhost:3306/django_blog"

                             user="root"

                             password=""/> 

                     <document name="blog"> 

                             <entity name="blog_blog" pk="id"

                                     query="select id,title,content from blog_blog"

                                     deltaImportQuery="select id,title,content from blog_blog where ID='${dataimporter.delta.id}'" 

                                     deltaQuery="select id  from blog_blog where add_time > '${dataimporter.last_index_time}'" 

                                     deletedPkQuery="select id  from blog_blog where id=0"> 

                                  <field column="id" name="id" /> 

                                  <field column="title" name="title" /> 

                                  <field column="content" name="content"/> 

                             </entity> 

                    </document>

         </dataConfig>
   • query 用于初次导入到索引的sql语句。
     • 考虑到数据表中的数据量非常大，比如千万级，不可能一次索引完，因此需要分批次完成，那么查询语句query要设置两个参数：${dataimporter.request.length} ${dataimporter.request.offset}
     • query=”select id,title,content from blog_blog limit ${dataimporter.request.length} offset ${dataimporter.request.offset}”
     • 请求：http://localhost:8983/solr/collection2/dataimport?command=full-import&commit=true&clean=false&offset=0&length=10000
   • deltaImportQuery 根据ID取得需要进入的索引的单条数据。
   • deltaQuery 用于增量索引的sql语句，用于取得需要增量索引的ID。
   • deletedPkQuery 用于取出需要从索引中删除文档的的ID

3. 为数据库表字段建立域（field），编辑E:solr-4.8.0examplesolrcollection1confschema.xml:

<!-- mysql -->

   <field name="id" type="string" indexed="true" stored="true" required="true" />

   <field name="title" type="text_cn" indexed="true" stored="true" termVectors="true" termPositions="true" termOffsets="true"/>

   <field name="content" type="text_cn" indexed="true" stored="true" termVectors="true" termPositions="true" termOffsets="true"/>

<!-- mysql -->

1. 配置增量索引更新文件

参考：

• http://josh-persistence.iteye.com/blog/2017155
• http://wiki.apache.org/solr/DataImportHandler#Using_delta-import_command

Mongodb

1. 安装mongo-connector，最好使用手动安装方式：

   git clone https://github.com/10gen-labs/mongo-connector.git
   cd mongo-connector
   #安装前修改mongo_connector/constants.py的变量：设置DEFAULT_COMMIT_INTERVAL = 0
   python setup.py install
   

   默认是不会自动提交了，这里设置成自动提交，否则mongodb数据库更新，索引这边没法同时更新，或者在命令行中可以指定是否自动提交，不过我现在还没发现。

2. 配置schema.xml，把mongodb中需要加上索引的字段配置到schema.xml文件中：
   <?xml version="1.0" encoding="UTF-8" ?>

    <schema name="example" version="1.5">

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

        <field name="_id" type="string" indexed="true" stored="true" required="true" multiValued="false" />

        <field name="body" type="string" indexed="true" stored="true"/>

        <field name="title" type="string" indexed="true" stored="true" multiValued="true"/>

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

        <uniqueKey>_id</uniqueKey>

        <defaultSearchField>title</defaultSearchField>

        <solrQueryParser defaultOperator="OR"/>

        <fieldType name="string" class="solr.StrField" sortMissingLast="true" />

        <fieldType name="long" class="solr.TrieLongField" precisionStep="0" positionIncrementGap="0"/>

        <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">

          <analyzer type="index">

            <tokenizer class="solr.StandardTokenizerFactory"/>

            <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />

            <filter class="solr.LowerCaseFilterFactory"/>

          </analyzer>

          <analyzer type="query">

            <tokenizer class="solr.StandardTokenizerFactory"/>

            <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />

            <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>

            <filter class="solr.LowerCaseFilterFactory"/>

          </analyzer>

        </fieldType>

    </schema>
3. 启动Mongod：

   mongod --replSet myDevReplSet --smallfiles  
   

   初始化:rs.initiate()

4. 启动mongo-connector:

   E:Usersliuzhijunworkspacemongo-connectormongo_connectordoc_managers>mongo-connector -m localhost:27017 -t http://localhost:8983/solr/collection2 -n s_soccer.person -u id -d ./solr_doc_manager.py
   

   • -m：mongod服务
   • -t：solr服务
   • -n：mongodb命名空间，监听database.collection，多个命名空间逗号分隔
   • -u：uniquekey
   • -d：处理文档的manager文件

   注意：mongodb通常使用_id作为uniquekey，而Solrmore使用id作为uniquekey，如果不做处理，索引文件时将会失败，有两种方式来处理这个问题：

   1. 指定参数--unique-key=id到mongo-connector，Mongo Connector 就可以翻译把_id转换到id。
   2. 把schema.xml文件中的:

      <uniqueKey>id<uniqueKey>
      

      替换成

      <uniqueKey>_id</uniqueKey>
      

      同时还要定义一个_id的字段：

      <field name="_id" type="string" indexed="true" stored="true" />
      

   3. 启动时如果报错：

      2014-06-18 12:30:36,648 - ERROR - OplogThread: Last entry no longer in oplog cannot recover! Collection(Database(MongoClient('localhost', 27017), u'local'), u'oplog.rs')
      

      清空E:Usersliuzhijunworkspacemongo-connectormongo_connectordoc_managersconfig.txt中的内容，需要删除索引目录下的文件重新启动

5. 测试
   mongodb中的数据变化都会同步到solr中去。