SolrCloud存储数据于HDFS的方法

1. 概述

　　solrCloud数据存储在hdfs上的方法有两种，一是配置solr.in.sh脚本文件，比较简单的一种方式；二是配置solrconfig.xml配置文件， 比较繁琐点，需要更新到zookeeper上。

　　说明：solrcloud部署是按照https://www.cnblogs.com/swordfall/p/11967385.html “Ranger安装部署 - solr安装”进行安装的，故本博文也是在此基础上进行hdfs相关配置的

2. 配置solr.in.sh文件

2.1. 索引数据存储在非HA的hdfs上

配置solr.in.sh文件，该文件位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，修改内容为：

$ vim solr.in.sh
SOLR_OPTS="$SOLR_OPTS 
-Dsolr.directoryFactory=HdfsDirectoryFactory 
-Dsolr.lock.type=hdfs 
-Dsolr.hdfs.home=hdfs://bridge1:9000/solr"

解析：

• solr.directoryFactory=HdfsDirectoryFactory 为固定配置；
• solr.lock.type=hdfs 为固定配置；
• solr.hdfs.home=hdfs://bridge1:9000/solr 为指定solr的索引数据在hdfs上的路径。

2.2. 索引数据存储在HA的hdfs上

配置solr.in.sh文件，该文件位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，修改内容为：

$ vim solr.in.sh
SOLR_OPTS="$SOLR_OPTS 
-Dsolr.directoryFactory=HdfsDirectoryFactory 
-Dsolr.lock.type=hdfs 
-Dsolr.hdfs.confdir=/opt/app/hadoop-2.7.5-ha-multi/etc/hadoop 
-Dsolr.hdfs.home=hdfs://bridge/solr"

解析：

• solr.hdfs.confdir=/opt/app/hadoop-2.7.5-ha-multi/etc/hadoop 为hdfs的ha配置路径；
• solr.hdfs.home=hdfs://bridge/solr 为指定solr的索引数据在hdfs上的路径， bridge为hdfs的ha名。

3. 配置solrconfig.xml文件

3.1. solrconfig.xml配置在非HA与HA的hdfs上

3.1.1. 索引数据存储在非HA的hdfs上

配置solrconfig.xml文件，修改配置文件内容如下：

<dataDir>${solr.data.dir:}</dataDir>

<directoryFactory name="DirectoryFactory" class="solr.HdfsDirectoryFactory">
    <str name="solr.hdfs.home">hdfs://bridge1:8020/solr</str>
    <bool name="solr.hdfs.blockcache.enabled">true</bool>
    <int name="solr.hdfs.blockcache.slab.count">1</int>
    <bool name="solr.hdfs.blockcache.direct.memory.allocation">true</bool>
    <int name="solr.hdfs.blockcache.blocksperbank">16384</int>
    <bool name="solr.hdfs.blockcache.read.enabled">true</bool>
    <bool name="solr.hdfs.blockcache.write.enabled">true</bool>
    <bool name="solr.hdfs.nrtcachingdirectory.enable">true</bool>
    <int name="solr.hdfs.nrtcachingdirectory.maxmergesizemb">16</int>
    <int name="solr.hdfs.nrtcachingdirectory.maxcachedmb">192</int>
</directoryFactory>

<lockType>${solr.lock.type:hdfs}</lockType>

解析：

• ${solr.data.dir:} 为solr的索引数据存储的路径，一般为solr.hdfs.home的路径下面，如hdfs://bridge1:8020/solr/data，这种只适合集合的分片数量为1，即SHARDS，当分片为大于1的时候，将会报错，错误如下：

"192.168.1.11:6083_solr":"org.apache.solr.client.solrj.impl.HttpSolrClient$RemoteSolrException:
Error from server at http://192.168.1.11:6083/solr: 
Error CREATEing SolrCore 'ranger_audits_shard1_replica_n1': Unable to create core [ranger_audits_shard1_replica_n1] 
Caused by: /solr/data/index/write.lock for client 192.168.1.11 already exists
	at 
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.startFileInternal(FSNamesystem.java:2584)
	at 
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.startFileInt(FSNamesystem.java:2471)
	at 
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.startFile(FSNamesystem.java:2355)
	at 
org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.create(NameNodeRpcServer.java:624)
	at 
org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.create(ClientNamenodeProtocolServerSideTranslatorPB.java:398)
	at 
org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
	at 
org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:616)
	at 
org.apache.hadoop.ipc.RPC$Server.call(RPC.java:982)
	at 
org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2217)
	at 
org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2213)
	at 
java.security.AccessController.doPrivileged(Native Method)
	at 
javax.security.auth.Subject.doAs(Subject.java:422)
	at 
org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1754)
	at 
org.apache.hadoop.ipc.Server$Handler.run(Server.java:2213)
"

　　　为了解决上述错误，建议${solr.data.dir:}默认为空，不填。

• solr.hdfs.home为solr的存储目录
• solr.lock.type为solr的类型，指定为hdfs

3.1.2.  索引数据存储在HA的hdfs上

配置solrconfig.xml文件，修改配置文件内容如下：

<dataDir>${solr.data.dir:}</dataDir>

<directoryFactory name="DirectoryFactory" class="solr.HdfsDirectoryFactory">
<str name="solr.hdfs.home">hdfs://bridge1:8020/solr</str>
<str name="solr.hdfs.confdir">/opt/app/hadoop-2.7.5-ha-multi/etc/hadoop</str>
    <bool name="solr.hdfs.blockcache.enabled">true</bool>
    <int name="solr.hdfs.blockcache.slab.count">1</int>
    <bool name="solr.hdfs.blockcache.direct.memory.allocation">true</bool>
    <int name="solr.hdfs.blockcache.blocksperbank">16384</int>
    <bool name="solr.hdfs.blockcache.read.enabled">true</bool>
    <bool name="solr.hdfs.blockcache.write.enabled">true</bool>
    <bool name="solr.hdfs.nrtcachingdirectory.enable">true</bool>
    <int name="solr.hdfs.nrtcachingdirectory.maxmergesizemb">16</int>
    <int name="solr.hdfs.nrtcachingdirectory.maxcachedmb">192</int>
</directoryFactory>

<lockType>${solr.lock.type:hdfs}</lockType>

解析：与非HA模式的配置的差别在于solr.hdfs.confdir

• solr.hdfs.confdir为指定hdfs的配置路径

3.2. solrconfig.xml文件更新到zookeeper上

solrconfig.xml在本地机器修改，对solr不生效，只有更新到zookeeper上面才生效。这里有个更新脚本add_ranger_audits_conf_to_zk.sh，脚本路径位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，如下：

function usage {
    echo "Error: The following properties need to be set in the script SOLR_ZK, SOLR_INSTALL_DIR and SOLR_RANGER_HOME"
    exit 1
}

JAVA_HOME=/usr/lib/java/jdk1.8.0_151
SOLR_USER=solr
SOLR_ZK=bridge1:2181,bridge2:2181,bridge3:2181/ranger_audits
SOLR_INSTALL_DIR=/opt/app/ranger-solr-8.3.0-cloud
SOLR_RANGER_HOME=/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server

if [ "`whoami`" != "$SOLR_USER" ]; then
    if [ -w /etc/passwd ]; then
        echo "Running this script as $SOLR_USER..."
        su $SOLR_USER $0
    else
        echo "ERROR: You need to run this script $0 as user $SOLR_USER. You are currently running it as `whoami`"
    fi

    exit 1
fi

if [ "$SOLR_ZK" = "" ]; then
    usage
fi

if [ "$SOLR_INSTALL_DIR" = "" ]; then
    usage
fi

if [ "$SOLR_RANGER_HOME" = "" ]; then
    usage
fi

SOLR_RANGER_CONFIG_NAME=ranger_audits
SOLR_RANGER_CONFIG_LOCAL_PATH=${SOLR_RANGER_HOME}/conf
ZK_CLI=$SOLR_INSTALL_DIR/server/scripts/cloud-scripts/zkcli.sh


if [ ! -x $ZK_CLI ]; then
    echo "Error: $ZK_CLI is not found or you don't have permission to execute it."
    exit 1
fi
set -x
$ZK_CLI -cmd upconfig -zkhost $SOLR_ZK -confname $SOLR_RANGER_CONFIG_NAME -confdir $SOLR_RANGER_CONFIG_LOCAL_PATH

解析：

• JAVA_HOME设置JAVA_HOME路径
• SOLR_USER solr用户
• SOLR_ZK solr关联的zookeeper
• SOLR_INSTALL_DIR solr安装目录
• SOLR_RANGER_HOME solr关于ranger的安装目录
• SOLR_RANGER_CONFIG_NAME solr的ranger集合名
• SOLR_RANGER_CONFIG_LOCAL_PATH solrconfig.xml配置文件的路径
• ZK_CLI zk_cli的路径

执行脚本：

$ pwd
/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts
$ ./add_ranger_audits_conf_to_zk.sh

3.3. solrconfig.xml文件是否更新成功检测

登录solr admin的网址，查看solrconfig.xml文件，如下，则成功更新solrconfig.xml文件。

4. solr集合创建脚本

当配置好solr.in.sh脚本文件或者配置好solrconfig.xml文件，两者之一后，我们创建名为“ranger_audits”的集合。

create_ranger_audits_collection.sh，文件位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，如下：

SOLR_HOST_URL=http://`hostname -f`:6083
SOLR_ZK=bridge1:2181,bridge2:2181,bridge3:2181/ranger_audits
SOLR_INSTALL_DIR=/opt/app/ranger-solr-8.3.0-cloud
SHARDS=2
REPLICATION=1

CONF_NAME=ranger_audits
COLLECTION_NAME=ranger_audits

which curl 2>&1 > /dev/null
if [ $? -ne 0 ]; then
    echo "curl is not found. Please install it for creating the collection"
    exit 1
fi

set -x
curl --negotiate -u : "${SOLR_HOST_URL}/solr/admin/collections?action=CREATE&name=${COLLECTION_NAME}&numShards=${SHARDS}&replicationFactor=${REPLICATION}&collection.configName=$CONF_NAME&maxShardsPerNode=100"

这里建议：由于数据存储在hdfs上，hdfs已有副本机制。故solr的副本REPLICATION设置为1，避免冗余。

解析：

• SHARDS 分片根据部署的机器数量配置

5. solr集合索引数据是否存储在hdfs上

如下图展示，则表明集合的索引数据已存储在hdfs上。

总结

【参考资料】

https://www.jianshu.com/p/026b5641786c Solr7.3 Cloud On HDFS搭建

https://lucene.apache.org/solr/guide/7_3/running-solr-on-hdfs.html