如何增量导入MYSQL数据库中的数据

来源：互联网发布：类似于prisma的软件编辑：程序博客网时间：2024/05/15 22:36

  <dataConfig>         <dataSource type="JdbcDataSource"          driver="com.mysql.jdbc.Driver"         url="jdbc:mysql://127.0.0.1/goods" user="root" password="root"/>     <document name="goods">         <entity name="book" transformer="ClobTransformer"                  pk="bid"                 query="select bid,bname,author,price,currprice,discount,press,publishtime,edition,pagenum,wordnum,                 printtime,booksize,paper from t_book"                deltaImportQuery ="select * from t_book where bid='${dih.delta.bid}'"                deltaQuery = "select bid from t_book where updatetime > '${dih.last_index_time}'">               <field column="bid" name="id" />             <field column="bname" name="bname"/>             <field column="author" name="bauthor"/>             <field column="price" name="bprice"/>             <field column="currprice" name="bcurrprice"/>             <field column="discount" name="bdiscount"/>             <field column="press" name="bpress"/>             <field column="publishtime" name="bpublishtime"/>             <field column="edition" name="bedition"/>             <field column="pagenum" name="bpagenum"/>             <field column="updatetime" name ="bupdatetime" />         </entity>     </document> </dataConfig><!--data-config.xml中必要属性的设置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：增量索引查询导入的数据 deletedPkQuery：增量索引删除主键ID查询 注意这个只能返回ID字段如果需要关联子表查询，可能需要用到parentDeltaQuery-->

说明：
增量索引的原理是从数据库中根据deltaQuery指定的SQL语句查询出所有需要
增量导入的数据的ID号。

然后根据deltaImportQuery指定的SQL语句返回所有这些ID的数据，即为这
次增量导入所要处理的数据。

核心思想是：通过内置变量“dih.delta.id”和“{dih.last_index_time}”来记录本次要索引的id和最近一次索引的时间。

Solr增量索引配置

一、开始增量索引前的准备工作。

1、认识data-config.xml中相关属性

   <!--  transformer 格式转化：HTMLStripTransforme表示 索引中将忽略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query只返回ID字段    <!--  deltaImportQuery:增量索引   查询导入的数据  --->    <!--  deletedPkQuery:增量索引  删除主键ID查询  ---> 注意这个只返回ID字段

最主要的是我们要知道这样一个事实： last_index_time是DataImportHandler的一个默认字段，（可查看conf目录下的dataimporter.properties文件）

我们可以在任何SQL中引用，该字段用于表明上次做full import或者是delta import(增量导入）的最后一次时间。

2、数据库配置注意事项
1）、如果只涉及添加与修改业务，那么数据库里只需添加一个类型为timpstamp，默认值为当前系统时间的字段：CURRENT_TIMESTAMP（mysql）

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

3、dataimporter.properties / {corename}_dataimporter.properties

在C:\solr-tomcat\solr\item\conf中查看是否存在文件dataimporter.properties,如果没有，则新建该文件。

这个配置文件很重要，它是用来记录索引的最新一次修改时间的，通过该配置文件可以找出新增的、修改的或者删除的记录。相关实例：

<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="activityDB" type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost/test" user="swang6" password="swang6"/>           <document>                      <entity pk="ID"  dataSource="activityDB" name="myentity"              query="select * from myentity WHERE is delete=0"             deltaQuery="select ID  from myentity where my_date >'${dih.last_index_time}'"                deletedPkQuery="select ID from myentity where isdelete=1"              deltaImportQuery="select * from myentity where ID='${dih.delta.id}">              <!--  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>

<!-- pk="ID" 必须，因为其中的增量索引查询主键ID时需要  -->               <!--  dataSource="acitvityDB" 这个引用名字是引用上面数据源的名字 -->               <!--  name="myentity" 存在多个实体时，这个名字必须唯一 -->               <!--  query：用于全量导入而非增量导入             query="select * from myentity 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                 -->             <!--  deltaQuery ： 用于增量导入且只返回ID               deltaQuery="select ID  from myentity where my_date >                   '${dih.last_index_time}'"                 deltaQuery的意思是，查询出所有经过修改的记录的ID                 可能是修改操作，添加操作，删除操作产生的               -->             <!--  deletedPkQuery : 用于增量导入且只返回ID            deletedPkQuery="select ID from myentity where isdelete=1"                此操作只查询那些数据库里伪删除的数据的ID（即isdelete标识为1的数据）              solr通过它来删除索引里面对应的数据            -->            <!--  deltaImportQuery： 增量导入起作用，可以返回多个字段的值,一般情况下，都是返回所有字段的列         deltaImportQuery="select * from myentity where ID='${dih.delta.ID}'"        deltaImportQuery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                -->

注：如果有必要，则可以在schema.xml中添加一个timestamp的field

做了以上配置后，可以设置linux的cron job或者Spring 的TaskSchuduler或者Cron Job后，可以定时发url：

http://localhost:8983/solr/dataimport?command=delta-import去做增量索引。更多关于Solr做增量索引的说明文档：http://wiki.apache.org/solr/DataImportHandler

当然也可以用Solr自带的Scheduler来做增量索引：

http://wiki.apache.org/solr/DataImportHandler#Scheduling

0 0