全文检索引擎Solr系列——整合MySQL、MongoDB

浏览数：28 / 时间：2015年06月12日

MySQL

拷贝mysql-connector-java-5.1.25-bin.jar到E:\solr-4.8.0\example\solr-webapp\webapp\WEB-INF\lib目录下面
配置E:\solr-4.8.0\example\solr\collection1\conf\solrconfig.xml

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

导入依赖库文件：

  <pre class="brush: 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="brush: 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。

创建E:\solr-4.8.0\example\solr\collection1\conf\data-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

为数据库表字段建立域（field），编辑E:\solr-4.8.0\example\solr\collection1\conf\schema.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 -->

配置增量索引更新文件

参考：

Mongodb

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。

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>

启动Mongod：

mongod --replSet myDevReplSet --smallfiles

初始化:rs.initiate()

启动mongo-connector:
```
E:\Users\liuzhijun\workspace\mongo-connector\mongo_connector\doc_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:\Users\liuzhijun\workspace\mongo-connector\mongo_connector\doc_managers\config.txt中的内容，需要删除索引目录下的文件重新启动
测试
mongodb中的数据变化都会同步到solr中去。