IT星球论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

新浪微博账号登陆

只需一步,快速开始

搜索
查看: 235|回复: 0

分布式全文检索系统SolrCloud简介

[复制链接]

1997

主题

1

好友

1万

积分

管理员

Rank: 9Rank: 9Rank: 9

优秀会员 助人为乐 辛勤工作 技术精英 多才多艺 优秀班竹 灌水天才 星球管理 宣传大使 灌水之王 财富勋章 版主勋章 动漫勋章 勤奋会员 论坛精英 PS高手 心 8 闪游皮肤 双鱼座 8★8➹ 志愿者 乖

发表于 2016-3-3 12:16:47 |显示全部楼层
分布式全文检索系统solrCloud简介
        前言本文简单描述SolrCloud的特性,基本结构和入门,基于Solr4.5版本。
lucene是一个Java语言编写的利用倒排原理实现的文本检索类库。Solr是以Lucene为基础实现的文本检索应用服务。
SolrCloud是Solr4.0版本开发出的具有开创意义的基于Solr和Zookeeper的分布式搜索方案,或者可以说,SolrCloud是Solr的一种部署方式。Solr可以以多种方式部署,例如单机方式,多机Master-Slaver方式,这些方式部署的Solr不具有SolrCloud的特色功能。
特色SolrCloud有几个特色功能:
  • 集中式的配置信息
    使用ZK进行集中配置。启动时可以指定把Solr的相关配置文件上传Zookeeper,多机器共用。这些ZK中的配置不会再拿到本地缓存,Solr直接读取ZK中的配置信息。配置文件的变动,所有机器都可以感知到。
    另外,Solr的一些任务也是通过ZK作为媒介发布的。目的是为了容错。接收到任务,但在执行任务时崩溃的机器,在重启后,或者集群选出候选者时,可以再次执行这个未完成的任务。
  • 自动容错
    SolrCloud对索引分片,并对每个分片创建多个Replication。每个Replication都可以对外提供服务。一个Replication挂掉不会影响索引服务。
    更强大的是,它还能自动的在其它机器上帮你把失败机器上的索引Replication重建并投入使用。
  • 近实时搜索
    立即推送式的replication(也支持慢推送)。可以在秒内检索到新加入索引。
  • 查询时自动负载均衡
    SolrCloud索引的多个Replication可以分布在多台机器上,均衡查询压力。如果查询压力大,可以通过扩展机器,增加Replication来减缓。
  • 自动分发的索引和索引分片
    发送文档到任何节点,它都会转发到正确节点。
  • 事务日志
    事务日志确保更新无丢失,即使文档没有索引到磁盘。
其它值得一提的功能有:
  • 索引存储在HDFS上
    索引的大小通常在G和几十G,上百G的很少,这样的功能或许很难实用。但是,如果你有上亿数据来建索引的话,也是可以考虑一下的。我觉得这个功能最大的好处或许就是和下面这个“通过MR批量创建索引”联合实用。
  • 通过MR批量创建索引
    有了这个功能,你还担心创建索引慢吗?
  • 强大的RESTful API
    通常你能想到的管理功能,都可以通过此API方式调用。这样写一些维护和管理脚本就方便多了。
  • 优秀的管理界面
    主要信息一目了然;可以清晰的以图形化方式看到SolrCloud的部署分布;当然还有不可或缺的Debug功能。

概念
  • Collection:在SolrCloud集群中逻辑意义上的完整的索引。它常常被划分为一个或多个Shard,它们使用相同的Config Set。如果Shard数超过一个,它就是分布式索引,SolrCloud让你通过Collection名称引用它,而不需要关心分布式检索时需要使用的和Shard相关参数。
  • Config Set: Solr Core提供服务必须的一组配置文件。每个config set有一个名字。最小需要包括solrconfig.xml (SolrConfigXml)和schema.xml (SchemaXml),除此之外,依据这两个文件的配置内容,可能还需要包含其它文件。它存储在Zookeeper中。Config sets可以重新上传或者使用upconfig命令更新,使用Solr的启动参数bootstrap_confdir指定可以初始化或更新它。
  • Core: 也就是Solr Core,一个Solr中包含一个或者多个Solr Core,每个Solr Core可以独立提供索引和查询功能,每个Solr Core对应一个索引或者Collection的Shard,Solr Core的提出是为了增加管理灵活性和共用资源。在SolrCloud中有个不同点是它使用的配置是在Zookeeper中的,传统的Solr core的配置文件是在磁盘上的配置目录中。
  • Leader: 赢得选举的Shard replicas。每个Shard有多个Replicas,这几个Replicas需要选举来确定一个Leader。选举可以发生在任何时间,但是通常他们仅在某个Solr实例发生故障时才会触发。当索引documents时,SolrCloud会传递它们到此Shard对应的leader,leader再分发它们到全部Shard的replicas。
  • Replica: Shard的一个拷贝。每个Replica存在于Solr的一个Core中。一个命名为“test”的collection以numShards=1创建,并且指定replicationFactor设置为2,这会产生2个replicas,也就是对应会有2个Core,每个在不同的机器或者Solr实例。一个会被命名为test_shard1_replica1,另一个命名为test_shard1_replica2。它们中的一个会被选举为Leader。
  • Shard: Collection的逻辑分片。每个Shard被化成一个或者多个replicas,通过选举确定哪个是Leader。
  • Zookeeper: Zookeeper提供分布式锁功能,对SolrCloud是必须的。它处理Leader选举。Solr可以以内嵌的Zookeeper运行,但是建议用独立的,并且最好有3个以上的主机。
架构




入门安装配置前提,你需要先安装好Java,6.0+。 假设我们有5台机器要安装Solr。
  • 安装外部zookeeper
    Solr默认是用内置的Zookeeper,为了方便管理和维护,建议使用外部Zookeeper。
                                                                                                            wget http://apache.dataguru.cn/zookee ... per-3.4.3.tar.gztar -zxvf zookeeper-3.4.3.tar.gzJava的程序解压后就可以运行,不需要安装。修改或者创建配置文件$ZOOKEEPER_HOME/conf/zoo.cfg,内容如下:# 注意修改为你的真实路径dataDir=/home/hadoop/zookeeper-3.4.3/dataclientPort=2181# 编号从1开始,solr1-3每个是一台主机,共3个server.1=solr1:2888:3888server.2=solr2:2888:3888server.3=solr3:2888:3888
                                                            
                                            1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12

                                    
    wget http://apache.dataguru.cn/zookee ... keeper-3.4.3.tar.gz
    tar -zxvf zookeeper-3.4.3.tar.gz
    Java的程序解压后就可以运行,不需要安装。
    修改或者创建配置文件$ZOOKEEPER_HOME/conf/zoo.cfg,内容如下:
    # 注意修改为你的真实路径
    dataDir=/home/hadoop/zookeeper-3.4.3/data
    clientPort=2181
    # 编号从1开始,solr1-3每个是一台主机,共3个
    server.1=solr1:2888:3888
    server.2=solr2:2888:3888
    server.3=solr3:2888:3888


                            
                   

    在3台机器上都同样安装。
    另外,还需要在$dataDir中配置myid,zookeeper是以此文件确定本机身份。
                                                                                                            # 注意每台机器上的不一样echo "1" > myid #在solr1上echo "2" > myid #在solr2上echo "3" > myid #在solr3上
                                                            
                                            1
    2
    3
    4
    5

                                    
    # 注意每台机器上的不一样
    echo "1" > myid #在solr1上
    echo "2" > myid #在solr2上
    echo "3" > myid #在solr3上


                            
                   

    启动, 需要在3台机器上分别启动
                                                                                                            $ZOOKEEPER_HOME/bin/zkServer.sh start# 查看状态,确认启动成功$ZOOKEEPER_HOME/bin/zkServer.sh status
                                                            
                                            1
    2
    3
    4

                                    
    $ZOOKEEPER_HOME/bin/zkServer.sh start
    # 查看状态,确认启动成功
    $ZOOKEEPER_HOME/bin/zkServer.sh status


                            
                   
  • Solr安装下载
    在5台机上做同样操作
                                                                                                            wget http://apache.mirrors.pair.com/lucene/solr/4.5.0/solr-4.5.0.tgz tar -xzf solr-4.5.0.tgzcd solr-4.5.0cp -r example node1cdo node1# 第一条solr机器java -Dbootstrap_confdir=./solr/collection1/conf -Dcollection.configName=myconf -DnumShards=2 -DzkHost=solr1:2181,solr2:2181,solr3:2181 -jar start.jar# 其它solr机器java -DzkHost=solr1:2181,solr2:2181,solr3:2181 -jar start.jar
                                                            
                                            1
    2
    3
    4
    5
    6
    7
    8
    9
    10

                                    
    wget http://apache.mirrors.pair.com/lucene/solr/4.5.0/solr-4.5.0.tgz
    tar -xzf solr-4.5.0.tgz
    cd solr-4.5.0
    cp -r example node1
    cdo node1
    # 第一条solr机器
    java -Dbootstrap_confdir=./solr/collection1/conf -Dcollection.configName=myconf -DnumShards=2 -DzkHost=solr1:2181,solr2:2181,solr3:2181 -jar start.jar
    # 其它solr机器
    java -DzkHost=solr1:2181,solr2:2181,solr3:2181 -jar start.jar


                            
                   

    启动成功后,你可以通过浏览器8983看到solr的Web页面。
  • 索引
                                                                                                            cd $SOLR_HOME/node1/exampledocsjava -Durl=http://solr1:8983/solr/collection1/update -jar post.jar ipod_video.xml
                                                            
                                            1
    2
    3

                                    
    cd $SOLR_HOME/node1/exampledocs
    java -Durl=http://solr1:8983/solr/collection1/update -jar post.jar ipod_video.xml


                            
                   
  • 检索
    你可以在web界面选定一个Core,然后查询。solr有查询语法文档。
  • 如果要想把数据写到HDFS
    在$SOLR_HOME/node1/solr/collection1/conf/solrconfig.xml 增加
                                                                                                                hdfs://mycluster/solr    true    1    true    16384    true    true    true    16    192    ${user.home}/local/hadoop/etc/hadoop
                                                            
                                            1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14

                                    

        hdfs://mycluster/solr
        true
        1
        true
        16384
        true
        true
        true
        16
        192
        ${user.home}/local/hadoop/etc/hadoop



                            
                   

    重新启动
                                                                                                            java -Dsolr.directoryFactory=HdfsDirectoryFactory -Dsolr.lock.type=hdfs -Dsolr.data.dir=hdfs://mycluster/solr -Dsolr.updatelog=hdfs://mycluster/solrlog -jar start.jar
                                                            
                                            1
    2

                                    
    java -Dsolr.directoryFactory=HdfsDirectoryFactory -Dsolr.lock.type=hdfs -Dsolr.data.dir=hdfs://mycluster/solr -Dsolr.updatelog=hdfs://mycluster/solrlog -jar start.jar


                            
                   

    可以增加如下参数设定直接内存大小,优化Hdfs读写速度。
                                                                                                            -XX:MaxDirectMemorySize=1g
                                                            
                                            1
    2

                                    
    -XX:MaxDirectMemorySize=1g


                            
                   

其它
  • NRT 近实时搜索
    Solr的建索引数据是要在提交时写入磁盘的,这是硬提交,确保即便是停电也不会丢失数据;为了提供更实时的检索能力,Solr设定了一种软提交方式。
    软提交(soft commit):仅把数据提交到内存,index可见,此时没有写入到磁盘索引文件中。
    一个通常的用法是:每1-10分钟自动触发硬提交,每秒钟自动触发软提交。
  • RealTime Get 实时获取
    允许通过唯一键查找任何文档的最新版本数据,并且不需要重新打开searcher。这个主要用于把Solr作为NoSQL数据存储服务,而不仅仅是搜索引擎。
    Realtime Get当前依赖事务日志,默认是开启的。另外,即便是Soft Commit或者commitwithin,get也能得到真实数据。 注:commitwithin是一种数据提交特性,不是立刻,而是要求在一定时间内提交数据
参考文档您可能感兴趣的文章

              http://tech.uc.cn/?p=2387

分布式全文检索系统SolrCloud简介

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册 新浪微博账号登陆

该会员没有填写今日想说内容.
您需要登录后才可以回帖 登录 | 立即注册 新浪微博账号登陆

回顶部