全文检索引擎Solr系列——整合MySQL、MongoDB

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

导入依赖库文件：

加在

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

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:

配置增量索引更新文件

参考：

/article/3744878.html

http://wiki.apache.org/solr/DataImportHandler#Using_delta-import_command

Mongodb

安装mongo-connector，最好使用手动安装方式：

<code>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 </code>

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：

启动Mongod：

<code>mongod --replSet myDevReplSet --smallfiles </code>

初始化:rs.initiate()

启动mongo-connector:

<code>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 </code>

-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：

指定参数

--unique-key=id

到mongo-connector，Mongo Connector 就可以翻译把

_id

转换到

id

。

把schema.xml文件中的:

<code><uniqueKey>id<uniqueKey> </code>

替换成

<code><uniqueKey>_id</uniqueKey> </code>

同时还要定义一个

_id

的字段：

<code><field name="_id" type="string" indexed="true" stored="true" /> </code>

启动时如果报错：

<code>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') </code>

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。