solr全量索引

Solr DIH（Data Import Handler）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：

solrconfig.xml配置如下：

[java] view plain copy

1. <requestHandler name="/dataimport"
2. class="org.apache.solr.handler.dataimport.DataImportHandler">
3. <lst name="defaults">
4. <str name="config">data-config.xml</str>
5. </lst>
6. </requestHandler>

data-config.xml

[java] view plain copy

1. <dataConfig>
2. <dataSource name="jdbc" driver="com.mysql.jdbc.Driver"
3. url="jdbc:mysql://localhost:3306/test?zeroDateTimeBehavior=convertToNull"
4. user="root" password="shyh"/>
5. <document name="st_data">
6. <entity name="solrtext" pk="id"
7. query="select * from solrtext limit ${dataimporter.request.length} offset ${dataimporter.request.offset}"
8. transformer="RegexTransformer">
9. <field column="id" name="id" />
10. <field column="url" name="url" />
11. <field column="title" name="title" />
12. <field column="author" name="author" />
13. <field column="addon" name="addon" />
14. <field column="path" name="path" />
15. </entity>
16. </document>
17. </dataConfig>

说明：column为数据库字段名，name为schema.xml中对应的字段名

schmea.xml增加域

[java] view plain copy

1. <field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />
2. <field name="url" type="text_general" indexed="true" stored="true" />
3. <field name="title" type="text_general" indexed="true" stored="true"/>
4. <field name="author" type="text_general" indexed="true" stored="true"/>
5. <field name="addon" type="string" indexed="true" stored="true"/>
6. <field name="path" type="string" indexed="false" stored="true"/>

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：

http://localhost:8080/solr/dataimport?command=full-import&commit=true&clean=false&offset=1000000&length=100000

也可以直接进入solr的Dataimport页面导入：

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。

如果数据量小可以直接全量导入不需分批：

[java] view plain copy

1. <pre name="code" class="java"> <dataConfig>
2. <dataSource name="jdbc" driver="com.mysql.jdbc.Driver"
3. url="jdbc:mysql://localhost:3306/test?zeroDateTimeBehavior=convertToNull"
4. user="root" password="shyh"/>
5. <document name="st_data">
6. <entity name="solrtext" pk="id"
7. query="select * from solrtext"
8. transformer="RegexTransformer">
9. <field column="id" name="id" />
10. <field column="url" name="url" />
11. <field column="title" name="title" />
12. <field column="author" name="author" />
13. <field column="addon" name="addon" />
14. <field column="path" name="path" />
15. </entity>
16. </document>
17. </dataConfig>

注：执行导入操作时需要在webapps的solr项目的lib目录中加入数据库的驱动包以及solr-dataimporthandler-4.5.1.jar和solr-dataimporthandler-extras-4.5.1.jar这两个jar包（后两个jar包位于solr的解压包的dist目录）