solr 定时全量索引 增量索引与dataimporter.properties 配置

solr增量索引配置 
1.在进行增量索引前，首先要弄懂几个必要的属性，以及数据库建表事项，和dataimporter.properties 

 

data-config.xml里面的数据 

  <!--  transformer 格式转化：HTMLStripTransformer 索引中忽略HTML标签   ---> 
  <!--  query:查询数据库表符合记录数据   ---> 
  <!--  deltaQuery:增量索引查询主键ID    --->    注意这个只能返回ID字段 
  <!--  deltaImportQuery:增量索引查询导入数据  ---> 
  <!--  deletedPkQuery:增量索引删除主键ID查询  ---> 注意这个只能返回ID字段 

数据库配置注意事项 

1.如果只涉及添加，与修改业务，那么数据库里只需额外有一个timpstamp字段就可以了，默认值为当前系统时间，CURRENT_TIMESTAMP（笔者的数据为mysql的） 
2.如果还涉及删除业务，那么数据里就需额外再多添加一个字段isdelete，int类型的用0,1来标识，此条记录是否被删除，当然也可以用其他字段标识，ture或false都可以 

dataimporter.properties 

这个配置文件很重要，它是用来记录当前时间与上一次修改时间的，通过它能够找出，那些，新添加的，修改的，或删除的记录

下面为笔者当时测试时的一个演示，其中添加，修改，删除，都涉及了

    <dataConfig>   
	     <!---   此段话配置的是一个MySQL的数据源，（数据源也可以配置在solrconfig.xml中）  --->
        <dataSource name="mydb" type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost/test" user="root" password="ninemax"/>
		
		
		<document>
		     <!--  下面分别来介绍属性（如有错误，欢迎指出） -->
			 <!--  pk="ID" 这个很有必要，因为其中的增量索引查询主键ID时需要  -->
			  <!--  dataSource="mydb"   这个引用名字是引用上面数据源的名字 -->
			  <!--  name="myinfo"   这个名字必须唯一，存在多个实体时 -->
			   <!--  query="select  *  from myinfo WHERE isdelete=0   query查询是指
               查询出表里所有的符合条件的数据，因为笔者测试的有删除业务，所以
			   where  后面有一个限定条件isdelete=0，意思为查询未被删除的数据
			   
			   (注意这个query查询只对第一次全量导入有作用，对增量导入不起作用)
			   -->
			   <!--
			   deltaQuery="select ID  from myinfo where my_date > '${dataimporter.last_index_time}'" 
			   deltaQuery的意思是，查询出所有经过修改的记录的ID
			   可能是修改操作，添加操作，删除操作产生的
			   (此查询只对增量导入起作用，而且只能返回ID值)
			   -->
			   <!--
			   deletedPkQuery="select ID from myinfo where isdelete=1"	
			   此操作值查询那些数据库里伪删除的数据的ID（即isdelete标识为1的数据）
			   solr通过它来删除索引里面对应的数据
			   (此查询只对增量导入起作用，而且只能返回ID值)
			   -->
			   <!--
			    deltaImportQuery="select * from myinfo where ID='${dataimporter.delta.ID}'"
				次查询是获取以上两步的ID，然后把其全部数据获取，根据获取的数据
				对索引库进行更新操作，可能是删除，添加，修改
				(此查询只对增量导入起作用，可以返回多个字段的值,一般情况下，都是返回所有字段的列)
			   -->
			   
			   
			 
		     <entity pk="ID"  dataSource="mydb" name="myinfo" query="select  *  from myinfo WHERE isdelete=0 " 
			  deltaQuery="select ID  from myinfo where my_date > '${dataimporter.last_index_time}'" 
              deletedPkQuery="select ID from myinfo where isdelete=1"			  
			  deltaImportQuery="select * from myinfo where ID='${dataimporter.delta.ID}'"
			  
			 >
			 <!--  此条记录有必要说一下，ID指定大写的，与上面语句中的对应起来---->
			 
			  <field column="ID" name="id"/>
		       <field column="name" name="name"/>
			   <field column="address" name="address"/>
			   <field column="age" name="age"/>
			    <field column="my_date" name="my_date"/>
				 <field column="isdelete" name="isdelete"/>
		      </entity>
			 

		</document>
		
    </dataConfig>  
   

dataimporter.properties 配置

参考：官方文档：http://wiki.apache.org/solr/DataImportHandler#Scheduling


googlecode 找到：https://code.google.com/p/solr-dataimport-scheduler/


1.复制solr-4.2.11\solr-4.2.1\dist目录下solr-dataimporthandler-4.2.1.jar 和solr-dataimporthandler-extras-4.2.1.jar到


D:\program\tomcat6\webapps\solr\WEB-INF\lib目录下


2.从https://code.google.com/p/solr-dataimport-scheduler/downloads/list 下载apache-solr-dataimportscheduler-1.0-with-source.jar到


D:\program\tomcat6\webapps\solr\WEB-INF\lib目录下


3.取出apache-solr-dataimportscheduler-1.0-with-source.jar内的dataimport.properties到D:\program\tomcat6\solrapp\solr\conf


conf文件夹是没有的，要新建


4.修改D:\program\tomcat6\webapps\solr\WEB-INF\web.xml,加入

<listener>
             <listener-class>org.apache.solr.handler.dataimport.scheduler.ApplicationListener</listener-class>
   </listener>

5.修改dataimport.properties内容：

#################################################
#                                               #
#       dataimport scheduler properties         #
#                                               #
#################################################

#  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=game,resource
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
params=/dataimport?command=delta-import&clean=false&commit=true

#  schedule interval
#  number of minutes between two runs
#  [defaults to 30 if empty]
interval=1

#  重做索引的时间间隔，单位分钟，默认7200，即1天; 
#  为空,为0,或者注释掉:表示永不重做索引
reBuildIndexInterval=2

#  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：2012-04-11 03:10:00 或者  03:10:00，后一种会自动补全日期部分为服务启动时的日期
reBuildIndexBeginTime=03:10:00