全文检索引擎Solr系列——整合MySQL、MongoDB

MySQL

1. 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
2. 配置E:\solr-4.8.0\example\solr\collection1\conf\solrconfig.xml

1. 导入依赖库文件：

   加在

   前面。

2. 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

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

1. 配置增量索引更新文件

参考：

• http://josh-persistence.iteye.com/blog/2017155
• http://wiki.apache.org/solr/DataImportHandler#Using_delta-import_command

1. 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。

2. 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>_iduniqueKey>     <defaultSearchField>titledefaultSearchField>     <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>

3. 启动Mongod：

   mongod --replSet myDevReplSet --smallfiles  
   

   初始化:rs.initiate()

4. 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:

      id
      

      替换成

      _id
      

      同时还要定义一个_id的字段：

   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

5. 测试
   mongodb中的数据变化都会同步到solr中去。