实现MySQL表数据全量索引和增量索引，基于Solr DIH组件实现起来比较简单，只需要重复使用Solr的DIH（Data Import Handler）组件，对data-config.xml进行简单的修改即可。Solr DIH组件的实现类为org.apache.solr.handler.dataimport.DataImportHandler，在Solr的solrconfig.xml中配置两个handler，配置分别说明如下。
全量索引
solrconfig.xml配置如下：
1 |
<requestHandler name="/dataimport" |
2 |
class="org.apache.solr.handler.dataimport.DataImportHandler"> |
4 |
<str name="config">data-config.xml</str> |
上面这个是针对全量索引的，主要是配置data-config.xml文件，示例如下所示：
02 |
<dataSource name="jdbc" driver="com.mysql.jdbc.Driver" |
04 |
user="developer" password="sedept@shiyanjun.cn"/> |
05 |
<document name="mkt_data"> |
06 |
<entity name="marketing_data" pk="id" |
07 |
query="select * from marketing_data limit ${dataimporter.request.length} offset ${dataimporter.request.offset}" |
08 |
transformer="RegexTransformer"> |
09 |
<field column="id" name="id" /> |
10 |
<field column="domain" name="domain" /> |
11 |
<field column="alex_rank" name="alex_rank" /> |
12 |
<field column="server_port" name="server_port" /> |
13 |
<field column="cert_validity_notBefore" name="cert_validity_notBefore" /> |
14 |
<field column="cert_validity_notAfter" /> |
15 |
<field column="cert_validity_notAfter_yyyyMMdd" regex="(.*?)\s+.*"name="cert_validity_notAfter_yyyyMMdd" sourceColName="cert_validity_notAfter"/> |
16 |
<field column="cert_issuer_brand" name="cert_issuer_brand" /> |
17 |
<field column="cert_validation" name="cert_validation" /> |
18 |
<field column="cert_isMultiDomain" name="cert_isMultiDomain" /> |
19 |
<field column="cert_issuer_brand_isXRelated"name="cert_issuer_brand_isXRelated" /> |
20 |
<field column="cert_isWildcard" name="cert_isWildcard" /> |
21 |
<field column="cert_notAfter" name="cert_notAfter" /> |
22 |
<field column="special_ssl" name="special_ssl" /> |
23 |
<field column="competitor_logo" name="competitor_logo" /> |
24 |
<field column="segment" name="segment" /> |
上面主要是通过内置变量 “${dataimporter.request.length}”和 “${dataimporter.request.offset}”来设置一个批次索引的数据表记录数，请求的URL示例如下：
上面表示，对数据表中id范围为[10000000, 1100000]的记录进行索引，因为数据表可能达到千万记录数，而且线上有业务在操作数据库，所以要选择分批进行索引。
增量索引
solrconfig.xml配置如下：
01 |
<requestHandler name="/deltaimport"class="org.apache.solr.handler.dataimport.DataImportHandler"> |
03 |
<str name="config">delta-data-config.xml</str> |
06 |
上面定义请求的接口为“deltaimport”，对应的配置文件delta- data-config.xml内容如下所示： |
08 |
<dataSource name="jdbc" driver="com.mysql.jdbc.Driver" |
10 |
user="developer" password="sedept@shiyanjun.cn"/> |
11 |
<document name="mkt_data"> |
12 |
<entity name="marketing_data" pk="id" |
13 |
query="select * from marketing_data" |
14 |
deltaImportQuery="select * from marketing_data where id='${dih.delta.id}'" |
15 |
deltaQuery="select id from marketing_data where updated_at > '${dih.last_index_time}'" |
16 |
transformer="RegexTransformer"> |
17 |
<field column="id" name="id" /> |
18 |
<field column="domain" name="domain" /> |
19 |
<field column="alex_rank" name="alex_rank" /> |
20 |
<field column="server_port" name="server_port" /> |
21 |
<field column="cert_validity_notBefore" name="cert_validity_notBefore" /> |
22 |
<field column="cert_validity_notAfter" /> |
23 |
<field column="cert_validity_notAfter_yyyyMMdd" regex="(.*?)\s+.*"name="cert_validity_notAfter_yyyyMMdd" sourceColName="cert_validity_notAfter"/> |
24 |
<field column="cert_issuer_brand" name="cert_issuer_brand" /> |
25 |
<field column="cert_validation" name="cert_validation" /> |
26 |
<field column="cert_isMultiDomain" name="cert_isMultiDomain" /> |
27 |
<field column="cert_issuer_brand_isXRelated"name="cert_issuer_brand_isXRelated" /> |
28 |
<field column="cert_isWildcard" name="cert_isWildcard" /> |
29 |
<field column="cert_notAfter" name="cert_notAfter" /> |
30 |
<field column="special_ssl" name="special_ssl" /> |
31 |
<field column="competitor_logo" name="competitor_logo" /> |
32 |
<field column="segment" name="segment" /> |
上面主要是通过内置变量“${dih.delta.id}”和 “${dih.last_index_time}”来记录本次索引的id和最后索引时间。这里，会保存在deltaimport.properties文件中，示例如下：
1 |
#Sat Feb 16 17:48:49 CST 2013 |
2 |
last_index_time=2013-02-16 17\:48\:48 |
3 |
marketing_data.last_index_time=2013-02-16 17\:48\:48 |
请求增量索引的接口为“deltaimport”，可以写一个定时脚本，例如每隔一天执行一次 （一天索引一次，只索引数据表中更新的记录），请求URL示例如下：
1 |
172.0.8.212:8080/search-server/core0/dataimport?command=delta-import |
有关“query”，“deltaImportQuery”， “deltaQuery”的解释，引用官网说明，如下所示：
- The query gives the data needed to populate fields of the Solr document in full-import
- The deltaImportQuery gives the data needed to populate fields when running a delta-import
- The deltaQuery gives the primary keys of the current entity which have changes since the last index time
还有更灵活的索引方式，以后再讲。
