solr系列3——solr数据同步(全量、增量)

solr 数据同步，全量、增量方式

DIH全量同步(全表数据)（一般做第一次数据同步）

首先创建对应的数据库表
solr配置
- 将solr现有数据清空
  
  cd /usr/local/solr/example/solr/collection1/data && rm -rf * && mkdir index && mkdir tlog
- 添加数据源配置(@)
  vim /usr/local/solr/example/solr/collection1/conf/solrconfig.xml
  
  添加配置信息：
  <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
  <lst name="defaults">
  <str name="config">data-config.xml</str>
  </lst>
  </requestHandler>
- 在同目录下创建data-config.xml文件，并添加源信息(@)
  vim /usr/local/solr/example/solr/collection1/conf/data-config.xml
  
  添加配置如下：
```
 <dataConfig>
    <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://127.0.0.1:3306/mysolr" user="root" password="123456"/>
    <document>
       <entity name="user" transformer="DateFormatTransformer" query="SELECT id,name,price,url,last_modified FROM user WHERE id >= ${dataimporter.request.id}">
          <field column="id" name="id"/>
          <field column="name" name="name"/>
          <field column="price" name="price"/>
          <field column="url" name="url"/>
          <filed column="last_modified" name="last_modified" dateTimeFormat="yyyy-MM-dd HH:mm:ss"/>
        </entity>
    </document>
</dataConfig>
```
- 添加数据同步所需依赖jar到tomcat中solr
  
  cd /usr/local/solr/dist && cp solr-dataimporthandler-4.10.3.jar solr-dataimporthandler-extras-4.10.3.jar /usr/local/tomcat/webapps/solr/WEB-INF/lib/
  
  同时把mysql驱动添加到/usr/local/tomcat/webapps/solr/WEB-INF/lib/中
- 将需要同步的数据库表字段添加到schema.xml中，如果已存在，则无需
- 进行数据库访问授权操作，如果已授权则略过
  
  GRANT ALL PRIVILEGES ON *.* TO root@"%" IDENTIFIED BY '123456' WITH GRANT OPTION; flush privileges;
- 时间同步，mysql数据源服务器时间跟solr服务器时间一致
  
  date -s "2016-04-17 21:15:00" 设置时间 mysql数据源服务器时间一定大于等于solr服务器时间，否则solr检测不到mysql时间变化了（认为是旧数据，增量同步来说）
- 启动tomcat即可。
- 浏览器访问http://ip:port/solr,点击Dataimport,Command选择full-import,Entity选择要同步的表，Custom Parameters输入data-config.xml中需要的参数（${dataimport.request.id}）,点击Execute执行即可。
  
  solr-HID全量.png

DIH增量同步(新增数据)（常用模式）

只需要对上面全量导入solr配置中带有(@)标示的配置进行修改即可

添加数据源配置(@)

vim /usr/local/solr/example/solr/collection1/conf/solrconfig.xml

添加配置信息:

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

</requestHandler>
```

在同目录下创建delta-data-config.xml文件，并添加源信息(@)
vim /usr/local/solr/example/solr/collection1/conf/delta-data-config.xml

添加配置如下：
```
   <dataConfig>
      <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://127.0.0.1:3306/mysolr" user="root" password="123456"/>
      <document>
         <entity name="user" pk="id" transformer="DateFormatTransformer"
         query="SELECT id,name,price,url,last_modified FROM user WHERE id >= ${dataimporter.request.id}"
         deltaImportQuery="SELECT * FROM user WHERE id = ${dih.delta.id}" deltaQuery="SELECT id FROM user where last_modified > '${dataimporter.last_index_time}' ">
            <field column="id" name="id"/>
            <field column="name" name="name"/>
            <field column="price" name="price"/>
            <field column="url" name="url"/>
            <filed column="last_modified" name="last_modified" dateTimeFormat="yyyy-MM-dd HH:mm:ss"/>
          </entity>
      </document>
  </dataConfig>
```
```
id一致

solr_pk.png

last_modified字段要在schema.xml文件中配置，<field name="last_modified" type="date" indexed=true" stored="true"/>

query : 首先查询出所有满足id > ${dataimporter.request.id} 的数据

deltaQuery ：从query的数据中查询所有last_modified大于上一次同步${dataimporter.last_index_time}时间的id（即为需要增量同步的数据），该id = ${dih.delta.id}

deltaImportQuery ：根据 deltaQuery 返回的id查找所有信息，为增量同步提供数据源

${dih.delta.id} ：记录本次要索引的id

${dataimporter.last_index_time} ：最后一次索引的时间，即上一次同步的时间

注意：last_modified字段很重要，为增量同步提供数据变更依据，一定为时间类型，具体字段名可自定义，同时也要注意solr服务器与mysql服务器时间同步问题
配置完毕，启动tomcat即可。
最后访问，浏览器访问http://ip:port/solr,点击Dataimport,Command选择full-import,Entity选择要同步的表，Custom Parameters输入data-config.xml中需要的参数（${dataimport.request.id}）,点击Execute执行即可。

solr-HID增量.png

全量、增量也可以同时配置。

备注

内存溢出

在使用 DIH 时，容易报内存溢出错误。可以通过设置 jvm 大小来解决。设置方法如下：
在tomcat\bin\catalina.sh 加入SET JAVA_OPTS=-Xms128m -Xmx1024m 配置 这里设置的是1024M，根据情况可以适量增大 
```

手动全量、增量操作
可以通过solr管控台操作，也可以直接在浏览器输入链接直接操作
全导入：
http://192.168.58.144:8080/solr/collection1/dataimport?command=full-import&commit=ture
增量导入：
http://192.168.58.144:8080/solr/collection1/deltaimport?command=delta-import&clean=false&commit=ture
查看导入状态
http://192.168.58.144:8080/solr/collection1/dataimport?command=status

定时增量同步（全量不支持定时同步--没必要）

Solr官方提供了很强大的Data Import Request Handle
将apache-solr-dataimportscheduler-1.0.jar 拷贝到/usr/local/tomcat/lib/目录下
修改solr.war中的web.xml文件
cd /usr/local/tomcat/webapps/solr/WEB-INF/web.xml
添加以下配置信息：
<listener>
<listener-class>
org.apache.solr.handler.dataimport.scheduler.ApplicationListener
</listener-class>
</listener>

在tomcat的solr.war中web.xml配置的solr.home下创建conf文件夹，并新建文件dataimport.properties，配置定时任务依赖信息

solr-tomcat配置目录.png

cd /usr/local/solr/example/solr && mkdir conf && cd conf && vim dataimport.properties

dataimport.properties文件信息如下：

# dataimport.properties example
#
# From this example, copy everything bellow "dataimport scheduler properties" to your
#   dataimport.properties file and then change params to fit your needs
#
# IMPORTANT:
# Regardless of whether you have single or multiple-core Solr,
#   use dataimport.properties located in your solr.home/conf (NOT solr.home/core/conf)
# For more info and context see here:
# http://wiki.apache.org/solr/DataImportHandler#dataimport.properties_example
#Tue Jul 21 12:10:50 CEST 2010
last_index_time=2016-04-19 15\:28\:37
user.last_index_time=2016-04-19 15\:28\:37
#################################################
#                                               #
#       dataimport scheduler properties         #
#                                               #
#################################################
#
# http://192.168.58.144:8080/solr/collection1/deltaimport?command=delta-import&clean=false&commit=ture   
# 以下参数对应参数
# http://server:port/webapp/syncCores/params
#
#  to sync or not to sync
#  1 - active; anything else - inactive
syncEnabled=1
#
#  which cores to schedule
#  in a multi-core environment you can decide which cores you want syncronized
#  leave empty or comment it out if using single-core deployment
syncCores=collection1
#
#  solr server name or IP address
#  [defaults to localhost if empty]
server=localhost
#
#  solr server port
#  [defaults to 80 if empty]
port=8080
#
#  application name/context
#  [defaults to current ServletContextListener's context (app) name]
webapp=solr
#
#  URL params [mandatory]
#  remainder of URL
#增量url
params=/deltaimport?command=delta-import&clean=false&commit=ture
#
#  schedule interval
#  number of minutes between two runs
#  [defaults to 30 if empty]
#  定时更新间隔时间，单位分钟
interval=1

配置完毕，启动tomcat即可。

定时增量备注： 如果想支持定时重做索引，只需要将上面引入的jar更换为solr-dataimportscheduler-1.1.jar,在dataimport.properties中添加三行配置即可，实质就是全量同步。

#  重做索引的时间间隔，单位分钟，默认7200，即5天; 
#  为空,为0,或者注释掉:表示永不重做索引
reBuildIndexInterval=1
#
#  重做索引的参数
reBuildIndexParams=/dataimport?command=full-import&clean=true&commit=true
#
#  重做索引时间间隔的计时开始时间，第一次真正执行的时间=reBuildIndexBeginTime+reBuildIndexInterval*60*1000；
#  两种格式：2016-04-19 05:00:00 或者  05:00:00，后一种会自动补全日期部分为服务启动时的日期
reBuildIndexBeginTime=05:00:00

相关文件如下：
[solr-dataimportscheduler-1.1](C:\Users\ljdo\Desktop\笔记\file\solr\solr-dataimportscheduler-1.1.jar)
[solr-dataimportscheduler-1.1-source](C:\Users\ljdo\Desktop\笔记\file\solr\solr-dataimportscheduler-1.1-source.zip)
[dataimport.properties.zip](C:\Users\ljdo\Desktop\笔记\file\solr\dataimport.properties.zip)
[apache-solr-dataimportscheduler-1.0](http://solr-dataimport-scheduler.googlecode.com/files/apache-solr-dataimportscheduler-1.0.jar)
[apache-solr-dataimportscheduler-1.0-with-source](http://solr-dataimport-scheduler.googlecode.com/files/apache-solr-dataimportscheduler-1.0-with-source.jar)

作者：逐暗者 *（转载请注明出处）*

solr系列3——solr数据同步(全量、增量)

solr 数据同步，全量、增量方式

DIH全量同步(全表数据)（一般做第一次数据同步）

DIH增量同步(新增数据)（常用模式）

全量、增量也可以同时配置。

备注

推荐阅读更多精彩内容