Solr Update插件自定义Update Chain按条件更新索引

背景：基于call客，来电和跟进记录等多个数据来源的用户文档，需要在更新是判断首来源的时间。

如对电话号码11xxxx来说，来电时间是今天，call客时间是昨天，而call客数据又可能因为网络原因晚上传上来，这样一来11xxxx这个用户document的来源时间需要更新成昨天。

分析：solr的默认update没有办法匹配业务的灵活的更新逻辑。更新逻辑如下，当更新来源时间的时候，如果新的来源时间比之前的来源时间晚，则保持之前的来源时间。

代码实现：

package custom.solr;
import java.io.IOException;
import org.apache.lucene.util.BytesRef;
import org.apache.solr.common.SolrInputDocument;
import org.apache.solr.core.SolrCore;
import org.apache.solr.handler.component.RealTimeGetComponent;
import org.apache.solr.request.SolrQueryRequest;
import org.apache.solr.response.SolrQueryResponse;
import org.apache.solr.search.SolrIndexSearcher;
import org.apache.solr.update.AddUpdateCommand;
import org.apache.solr.update.processor.UpdateRequestProcessor;
import org.apache.solr.update.processor.UpdateRequestProcessorFactory;
import org.apache.solr.util.RefCounted;

public class ConditionUpdateProcessFactory extends UpdateRequestProcessorFactory
{
    @Override
    public UpdateRequestProcessor getInstance(SolrQueryRequest req, SolrQueryResponse rsp, UpdateRequestProcessor next)
    {
        return new ConditionalUpdateProcessor(req, rsp, next);
    }
}

class ConditionalUpdateProcessor extends UpdateRequestProcessor
{
    public static final String ORIGIN_TIMESTAMP = "origin_timestamp";
public ConditionalUpdateProcessor(SolrQueryRequest req, SolrQueryResponse rsp, UpdateRequestProcessor next)
    {
        super(next);
        core = req.getCore();
    }

    private final SolrCore core;

    @Override
    public void processAdd(AddUpdateCommand cmd) throws IOException
    {
        SolrInputDocument newDoc = cmd.getSolrInputDocument();
        BytesRef indexedId = cmd.getIndexedId();
        RefCounted<SolrIndexSearcher> newestSearcher = core.getRealtimeSearcher();
        SolrIndexSearcher searcher;
        long lookup;
        searcher = (SolrIndexSearcher) newestSearcher.get();
        lookup = searcher.lookupId(indexedId);
        //if not exists
        if (lookup < 0)
        {super.processAdd(cmd);
        }
        SolrInputDocument oldDoc = RealTimeGetComponent.getInputDocument(core, indexedId);
        Object newOriginTimestamp = newDoc.getFieldValue(ORIGIN_TIMESTAMP);
        Object oldOriginTimestamp = oldDoc.getFieldValue(ORIGIN_TIMESTAMP);
        if (newOriginTimestamp != null && oldOriginTimestamp != null)
        {
            if (Long.valueOf(oldOriginTimestamp.toString()) < Long.valueOf(newOriginTimestamp.toString()))
            {
                newDoc.setField(ORIGIN_TIMESTAMP, oldOriginTimestamp);
            }
        }
// pass it up the chain
        super.processAdd(cmd);
    }

}

1.将该类编译后生成jar包放到 /var/lib/solr/plugins目录下，或者你任意指定一个目录。

2.配置solrconfig.xml加载该jar包。(注意修改jar包或者solrconfig.xml之后要reload collection)

<lib dir="/var/lib/solr/plugins" />

3.配置solrconfig.xml的默认update用哪个chain名字。

<requestHandler name="/update" class="solr.UpdateRequestHandler">
    <!-- See below for information on defining
         updateRequestProcessorChains that can be used by name
         on each Update Request
      -->
      <lst name="defaults">
         <str name="update.chain">condition</str>
       </lst>
  </requestHandler>

以及solrconfig.xml chain的流程。

<updateRequestProcessorChain name="condition">
       <processor class="solr.LogUpdateProcessorFactory" />
       <processor class="solr.DistributedUpdateProcessorFactory" />
       <processor class="custom.solr.ConditionUpdateProcessFactory" />
       <processor class="solr.RunUpdateProcessorFactory" />
 </updateRequestProcessorChain>

*关于为什么放在DistibutedUpdateProcessFactory之后。

https://wiki.apache.org/solr/Atomic_Updates

2017.01.12优化:

如下场景时，上面代码会出现问题:

老的数据没有立即commit，还保存在TLog中，此时RealTimeGetComponet.getInputDocument方法获取不到老数据，导致处理逻辑不符合期望，来源时间不正确。

代码优化如下:

SolrInputDocument oldDoc = RealTimeGetComponent.getInputDocumentFromTlog(core, indexedId);
if (oldDoc == null)
{
    oldDoc = RealTimeGetComponent.getInputDocument(core, indexedId);
}