Solr DIH query 工作流

本文地址 http://www.cnblogs.com/jasonxuli/p/6491270.html

DataImportHandler (DIH) 支持全量数据导入和增量数据导入，主要有四个query：query，deltaQuery，parentDeltaQuery，deltaImportQuery。

大体概括就是：

query ：（必须），用于全量导入，查询表记录；或在没有 deltaImportQuery 的时候用于增量导入；

deltaQuery ：用于增量导入，查找上次导入后发生变化的表记录，获取其主键（pk）；

parentDeltaQuery：用于增量导入，根据deltaQuery获取到的子实体的主键来查找到父实体的主键；

deltaImportQuery：用于增量导入，根据子实体的parentDeltaQuery获取到的父实体的主键查询父实体内容；

                            以及，根据 deltaQuery 获取到的子实体的主键执行各个子实体的 deltaImportQuery 或 query。

举个栗子，假设有两个表：

table Student (id, name, age, classId, deleted, createdAt, updatedAt)

table Class (id, name, grade, deleted, createdAt, updatedAt)

想要以 Student 表为 document 的主体，Class表通过 Student.classId 于 Student 表关联，配置如下：

solr-data-config.xml:

 <dataConfig>
     <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver"
                 url="jdbc:mysql://dbhost/dbname?zeroDateTimeBehavior=convertToNull" user="dbuser"
                 password="dbpassword"/>
     <document>
         <entity name="student" transformer="RegexTransformer" pk="id"
             query="select * from Student where deleted=0;"
             deltaImportQuery="select * from Student where deleted=0 and id='${dih.delta.id}';"
             deltaQuery="select id from Student where convert_tz(updatedAt, '+00:00', '+08:00') &gt; '${dih.last_index_time}');"
             deletedPkQuery="select id from Student where deleted=1;">

             <field column="id" name="id"/>
             <field column="name" name="name"/>
             <field column="age" name="age"/>
             <field column="classId" name="classId"/>
             <field column="deleted" name="deleted"/>
             <field column="createdAt" name="createdAt"/>
             <field column="updatedAt" name="updatedAt"/>

             <entity name="class" transformer="RegexTransformer" pk="classId"
                 query="select * from Class where deleted=0 and id='${student.classId}'"
                     deltaQuery="select id from Class where convert_tz(updatedAt, '+00:00', '+08:00') &gt; '${dih.last_index_time}'"
                     parentDeltaQuery="select id from Student where classId=${class.id}">
                 <field column="image" name="image"/>
                 <field column="banner" name="banner"/>
             </entity>
         </entity>
     </document>
 </dataConfig>

在上面配置中，student有四个SQL语句，class有三个SQL语句，其中只有 student.query 没有输入（参数）。

全量导入时：

1，从父实体 student 开始，执行 query 语句，获取到 student.id 等字段；

2，用这些 student.id 去组成 class.query 语句，获取 class。

增量导入时：

只要有任何父/子数据变化，就重新生成相关文档

1，从子实体 class 开始，执行 deltaQuery 语句，获取到 class.id；

2，用 class.id 组装 class parentDeltaQuery 语句，获取到 student.id；

3.1，用 student.id 组装 student deltaImportQuery 语句，获取到需要更新的 student；

3.2，用 class.id 组装 class deltaImportQuery 或者 class query，获取需要更新的 class ；

参考：https://wiki.apache.org/solr/DataImportHandler#Configuring_DataSources

----------------

备注：

在 solrconfig.xml 中定义 DIH ：

<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
    <lst name="defaults">
      <str name="config">solr-data-config.xml</str>
    </lst>
    <lst name="datasource">
         <str name="driver">com.mysql.jdbc.Driver</str>
         <str name="url">jdbc:mysql://localhost/test</str>
         <str name="user">root</str>
         <str name="password">root</str>
      </lst>
  </requestHandler>