FusionInsight大数据开发---sorl应用开发

sorl应用开发

要求：

1. 了解Solr应用开发适用场景
2. 熟悉Solr应用开发流程
3. 熟悉并使用Solr常用API
4. 理解Collection设计基本原则
5. 应用开发实践

Solr简介

1. Solr是一个高性能，基于Lucene的全文检索服务，也可以作为NoSQL数据库使用。
2. Solr对Lucene进行了扩展，提供了比Lucene更为丰富的查询语句，同时实现了可配置、可扩展，并对查询性能进行了优化，还提供了一个完善的功能管理界面。
3. SolrCloud是从Solr 4.0 版本开始发出的具有开创意义的分布式索引和索引方案，基于Sorl和Zookeeper进行开发的。

Solr概念体系-总述
常见术语：

• Config Set:Solr Core提供一组配置文件 ,
• Core:即Solr Core ，
• Shard：Collection的逻辑分片
• Replice：Shard下的实际存储索引的一个副本，与Core对应
• Leader：赢得选举的Shard Peplicas
• Zookeeper:它在Solr Core是必须的，提供分布式锁、处理Leader选举、管理配置等功能

Solr的常用应用场景

1. 待检索数据类型复杂
2. 检索条件多样化（如涉及字段太多），常规查询无法满足
3. 读取远多于写入数据

Solr应用开发流程-制定业务目标
业务数据规模及数据模型

• 涉及Collection的Shard划分及Schema的定义

实时索引、查询性能要求

• 涉及Collection的Shard划分、索引存储位置

查询场景

• 涉及Collection的Schema定义

Solr应用开发流程-初始化及安全认证

1. 初始化并获取配置
2. 安全认证
3. 获取CloudSolrClient
4. 调用Solr APL

Solr应用开发流程-设计Collection

1. 根据业务数据的关系设计schema.xml
2. 根据写入和查询场景设计uniqueKey字段
3. 根据写入和查询性能要求设计solrconfig.xml
4. 根据业务数据规模和Solr集群规模确定Shard数目
5. 根据可靠性能要求设定Shard副本数

Collection设计-索引存储位置
索引存储在HDFS

缺点:

1. 与存储在本地磁盘相比，性能下降30%-50%
2. 实时单节点写入速度<=2MB/s
3. 数据膨胀略高于存储在本地

优点：

1. Sorl设置Replica即可，利用HDFS副本机制保障数据可靠性
2. 数据管理由HDFS完成，包括各节点数据balance、方便迁移

配置集Schema设计-Field
dynamicField

• 动态的字段设置，用于后期自定义字段，”*“号通配符。

copyField

• 将多个字段集中到一个字段