使用solrj进行DIH操作
背景说明:在一个项目中需要将Mongodb中的数据导入到solr中完成搜索。在solr中Mysql数据库有对应的DIH包,可以通过配置sql语句完成数据的导入。Mongodb下也有开源的工具用来实现数据的导入。看了下文档,感觉这个工具对数据的定制性不高,并且是python的,不是很满足项目需求。最后决定使用solrj来完成数据的导入。
一、 遇到的问题
1. 全量数据很大,在全量或者增量时无法一次性将数据全部获取: 对数据进行分页获取。(关于两种分页获取数据的性能问题,后面会单独介绍)
2. 全量在更新数据时,需要将之前的老数据clean掉,增量则不需要: clean其实就是删除所有数据。
3. 由于使用了分页获取数据,全量的clean操作必须是在全量开始之前完成,并且为了保证在做全量过程中,之前的老数据不会丢失,删除全部数据的操作对应的commit==false,且在整个全量过程中commit==false, 在最后完成全量后,再进行commit。
4.增量操作和全量操作是通过配置不同的trigger完成的,比如增量每隔五分钟执行一次,全量则一天执行一次。如果没有对任务进行控制,可能会造成 全量和增量同时在做。刚才说了,全量操作的整个过程,commit==false, 所以对增量和全量的任务必须加互斥锁。
二、相关的实现
package com.meizu.galaxy2.solr; import org.apache.log4j.Logger;
import org.apache.solr.client.solrj.SolrQuery;
import org.apache.solr.client.solrj.SolrServerException;
import org.apache.solr.client.solrj.impl.CloudSolrClient;
import org.apache.solr.client.solrj.request.UpdateRequest;
import org.apache.solr.common.SolrInputDocument;
import org.apache.solr.common.params.ModifiableSolrParams; import java.io.IOException;
import java.lang.reflect.Field;
import java.util.List; /**
* Created by ltao on 2015-7-16.
*/
public class CloudSolrDIHClient { private static final Logger logger = Logger.getLogger(CloudSolrDIHClient.class);
private static final String ID_FILED_NAME = "id";
private CloudSolrClient solrClient; private static final int BATCH_SIZE=500; private String defaultCollection; public CloudSolrDIHClient(String zkHost, String zkNodePath, int zkClientTimeout, int zkConnectTimeout, String defaultCollection) { if (!zkHost.startsWith("zookeeper")) {
logger.error("zk host must start with zookeeper://");
return;
} else { String hosts = zkHost.substring(12);
hosts = hosts + zkNodePath;
solrClient = new org.apache.solr.client.solrj.impl.CloudSolrClient(hosts);
solrClient.setZkClientTimeout(zkClientTimeout);
solrClient.setZkConnectTimeout(zkConnectTimeout);
this.defaultCollection = defaultCollection;
}
} public void connect() throws Exception {
solrClient.connect();
} public void addDoc(SolrInputDocument doc) {
if (this.defaultCollection != null) {
this.addDoc(defaultCollection, doc);
} else {
logger.error("default collection should not be null");
} } public void addDoc(String collection, SolrInputDocument doc) {
try {
solrClient.add(collection, doc);
} catch (Exception e) {
logger.error("add Doc occurs an error,collection:" + collection + ",doc_id:" + doc.getFieldValue(ID_FILED_NAME), e);
}
} public void addDocs(List<SolrInputDocument> docs) {
if (this.defaultCollection != null) {
this.addDocs(defaultCollection, docs);
} else {
logger.error("default collection should not be null");
}
} public void addDocs(String collection, List<SolrInputDocument> docs) {
if(docs!=null && docs.size()>0) {
int size=docs.size();
if(size<=BATCH_SIZE) {
try {
solrClient.add(collection, docs);
} catch (Exception e) {
logger.error("add Docs occurs an error,collection:" + collection, e);
}
}
else
{
int end=size>BATCH_SIZE? BATCH_SIZE:size;
int start=0;
while(true)
{
List<SolrInputDocument> subList=docs.subList(start,end);
try {
solrClient.add(collection, subList);
} catch (Exception e) {
logger.error("add Docs occurs an error,collection:" + collection, e);
}
if(end==size)
{
break;
}
start=start+BATCH_SIZE;
end=(end+BATCH_SIZE);
if(end>size)
{
end=size;
}
} }
} } public void deleteDocByIds(List<String> ids) {
if (this.defaultCollection != null) {
this.deleteDocByIds(defaultCollection, ids);
}
} public void deleteDocByIds(String collection, List<String> ids) { try {
solrClient.deleteById(collection,ids);
} catch (Exception e) {
logger.error("delete Docs occurs an error,collection:" + collection ,e);
} } public void deleteDocById(String collection, String id) {
try {
solrClient.deleteById(collection, id);
} catch (Exception e) {
logger.error("delete Doc occurs an error,collection:" + collection + ",doc_id:" + id, e);
}
} public void deleteDocById(String id) {
if (this.defaultCollection != null) {
this.deleteDocById(defaultCollection, id); } else {
logger.error("default collection should not be null");
}
} public void addBean(String collection, Object obj) {
try {
solrClient.addBean(collection, obj);
} catch (Exception e) {
String id = null;
try {
Field idFiled = obj.getClass().getDeclaredField(ID_FILED_NAME);
if (idFiled != null) {
idFiled.setAccessible(true);
Object idFiledValue = idFiled.get(obj);
id = idFiledValue != null ? idFiledValue.toString() : "";
}
} catch (Exception e1) {
logger.error("get id field occurs an error", e1);
}
logger.error("add bean occurs an error,collection:" + collection + ",bean_id:" + id, e);
}
} public void addBean(Object obj) throws SolrServerException, IOException {
if (this.defaultCollection != null) {
this.addBean(defaultCollection, obj);
} else {
logger.error("default collection should not be null");
} } public void addBeans(List<Object> objs) throws SolrServerException, IOException {
if (this.defaultCollection != null) {
this.addBean(defaultCollection, objs);
} else {
logger.error("default collection should not be null");
}
} public void addBeans(String collection, List<Object> objs) {
if(objs!=null && objs.size()>0) {
int size=objs.size();
if(size<=BATCH_SIZE) {
try {
solrClient.addBeans(collection, objs);
} catch (Exception e) {
logger.error("addBeans occurs an error,collection:" + collection, e);
}
}
else
{
int end=size>BATCH_SIZE? BATCH_SIZE:size;
int start=0;
while(true)
{
List<Object> subList=objs.subList(start,end);
try {
solrClient.addBeans(collection, subList);
} catch (Exception e) {
logger.error("addBeans occurs an error,collection:" + collection, e);
}
if(end==size)
{
break;
}
start=start+BATCH_SIZE;
end=(end+BATCH_SIZE);
if(end>size)
{
end=size;
}
} }
}
} public void commit() throws SolrServerException, IOException {
this.commit(defaultCollection);
} public void commit(String collection) throws SolrServerException, IOException {
solrClient.commit(collection);
} public void clean(Boolean clean) throws SolrServerException, IOException {
this.clean(defaultCollection, clean);
} public void clean(String collection, Boolean clean) throws SolrServerException, IOException {
UpdateRequest updateRequest = new UpdateRequest();
updateRequest.setParam("stream.body", "<delete><query>*:*</query></delete>");
updateRequest.setParam("commit", Boolean.toString(clean));
solrClient.request(updateRequest, collection);
} public void close() throws IOException {
if (solrClient != null) {
solrClient.close();
}
} }
上面是对solrclient的简单封装:增加、删除、clean
全量和增量进行加锁互斥
  private static Lock lock = new ReentrantLock();
    public void importDelta() {
        boolean hasGetLock = false;
        try {
            hasGetLock = lock.tryLock();
            if (hasGetLock) {
                logger.info("start import delta hotel data ");
                long start = System.currentTimeMillis();
                hotelService.importDelta();
                long end = System.currentTimeMillis();
                logger.info("finish import delta hotel data ,spend " + (end - start) + " ms");
            }
        } finally {
            if (hasGetLock) {
                lock.unlock();
            }
        }
    }
    public void importAll() {
        try {
            lock.lock();
            logger.info("start import all hotel data ");
            long start = System.currentTimeMillis();
            hotelService.importAll();
            long end = System.currentTimeMillis();
            logger.info("finish import all hotel data ,spend " + (end - start) + " ms");
        } finally {
            lock.unlock();
        }
    }
    public DataImportService getHotelService() {
        return hotelService;
    }
这里用了Lock的tryLock,tryLock()会尝试获取锁,如果当前锁已被使用,则放弃该次获取锁操作。lock()则会阻塞,直到获取到锁。这样可以较大概率的保证全量一定能够执行。(如果增量一直都在运行,可能会造成全量一直阻塞,在实际运行中不会遇到这种情况;或者在某种机缘巧合下,增量一个接一个的获取到了锁,全量则一直阻塞,个人觉得应该可以使用公平锁解决刚才的这个问题,不过其实没必要)。
使用solrj进行DIH操作的更多相关文章
- solr的客户端操作:使用solrj进行curd操作
		
导入相关的jar包 <dependency> <groupId>org.apache.solr</groupId> <artifactId>solr-s ...
 - solr+mongo-connector+mongdb+tomcat集成
		
话题:solr安装 一.下载solr 本例采用4.10.3版本. Solr所有版本下载地址:http://archive.apache.org/dist/lucene/solr/ 下载完成后,解压的目 ...
 - Solr DataImportHandler 配置
		
DIH主要用于从数据库抓取数据并创建索引.另外还能够从HTTP(RSS.ATOM)拉数据. 相关概念: Datasource:数据源,包含获取数据必需的信息:数据位置(url).数据库driver.登 ...
 - Solrj和Solr DIH索引效率对比分析
		
测试软件环境: 1.16G windows7 x64 32core cpu . 2.jdk 1.7 tomcat 6.x solr 4.8 数据库软件环境: 1.16G windows7 x64 ...
 - 使用solrj操作solr索引库
		
(solrj)初次使用solr的开发人员总是很郁闷,不知道如何去操作solr索引库,以为只能用<五分钟solr4.5教程(搭建.运行)>中讲到的用xml文件的形式提交数据到索引库,其实没有 ...
 - 使用solrj操作solr索引库,solr是lucene服务器
		
客户端开发 Solrj 客户端开发 Solrj Solr是搭建好的lucene服务器 当然不可能完全满足一般的业务需求 可能 要针对各种的架构和业务调整 这里就需要用到Solrj了 Solrj是Sol ...
 - 利用SolrJ操作solr API完成index操作
		
使用SolrJ操作Solr会比利用httpClient来操作Solr要简单.SolrJ是封装了httpClient方法,来操作solr的API的.SolrJ底层还是通过使用httpClient中的方法 ...
 - Solr 14 - SolrJ操作SolrCloud集群 (Solr的Java API)
		
目录 1 pom.xml文件的配置 2 SolrJ操作SolrCloud 1 pom.xml文件的配置 项目的pom.xml依赖信息请参照: Solr 09 - SolrJ操作Solr单机服务 (So ...
 - Solr 09 - SolrJ操作Solr单机服务 (Solr的Java API)
		
目录 1 SolrJ是什么 2 SolrJ对索引的CRUD操作 2.1 创建Maven工程(打包方式选择为jar) 2.2 配置pom.xml文件, 加入SolrJ的依赖 2.3 添加和修改索引 2. ...
 
随机推荐
- mysql数据库时间、字符串类型互转
			
时间格式转换: select DATE_FORMAT(NOW(),"%y-%m-%d %H:%i:%s") 字符串转时间: select STR_TO_DATE("201 ...
 - CentOS6.3挂载读写NTFS分区
			
CentOS不像Fedora,默认是没有自动挂载NTFS的,而它可以利用NTFS-3G来实现挂载及读写. NTFS-3G 是一个开源的软件,可以实现 Linux.Free BSD.Mac OSX.Ne ...
 - redux学习笔记
			
中文api:http://cn.redux.js.org/docs/react-redux/troubleshooting.html 3.6 Reducer Store 收到 Action 以后,必须 ...
 - ElastciSearch常用APi
			
列出所有的索引: GET /_cat/indices?v 删除索引 DELETE /customer?pretty
 - Ajax编程技术
			
AJAX:”Asynchronous JavaScript and XML” 中文意思:异步JavaScript和XML. 指一种创建交互式网页应用的网页开发技术. 不是指一种单一的技术,而是有机地利 ...
 - 几种工具反编译被编译好的DLL文件
			
我们平时在工作中经常会遇到一些已经被编译后的DLL,而且更加麻烦是没有源代码可以进行修改,只能针对这个DLL的文件进行修改才能得到我们想要的结果:本文将通过一个实例来演示如果完成一个简单的修改;我们将 ...
 - Java输出日历
			
源码链接:http://pan.baidu.com/s/1o6xeybK
 - Java并发编程:进程和线程之由来__进程让操作系统的并发性成为可能,而线程让进程的内部并发成为可能
			
转载自海子:http://www.cnblogs.com/dolphin0520/p/3910667.html Java多线程基础:进程和线程之由来 在前面,已经介绍了Java的基础知识,现在我们来讨 ...
 - javascript变量,类型 第9节
			
1.变量,数据类型 <html> <head> <title>变量</title> </head> <body> <h3& ...
 - 06_WebService与Socket的区别
			
[区别] 区别1. Socket是基于TCP/IP的传输层协议. WebService是基于HTTP协议传输数据的,HTTP是基于TCP的应用层协议. 区别2. WebService采用了基于HTTP ...