简介
SolrCloud的特色功能
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。
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。
solr6.0.1已经可以在界面管理集群的大部分功能了。
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。
新特性
Solr 6.0发布,新特性解析
SOLR-8831: allow version field to be retrievable via docValues
docValues看来是越来越成熟了,之前使用给性能造成不小的影响,这个有待测试;
继地理信息检索之后又一重大新特性,从描述上看是图数据结构检索。
SOLR-7543: Basic graph traversal query Example: {!graph from="node_id" to="edge_id"}id:doc_1
虽然join在分布式模式下不建议使用,但无法避免很多时候还是需要;
SOLR-7584: Adds Inner and LeftOuter Joins to the Streaming API and Streaming Expressions
SOLR-8188: Adds Hash and OuterHash Joins to the Streaming API and Streaming Expressions
管理界面功能日渐完善,增加jdbc驱动支持,增加多个sql特性,门槛越来越低了,也开始贴近大数据分析需求。
集群部署
软件需求
1、必须使用jdk1.8或更高版本
2、本次使用jdk1.8.0_92 + solr6.0.1 + zookeeper3.4.5集群模式
3、请先下载安装zookeeper,本文没写zookeeper安装
solr集群安装
初始化zookeeper目录
经测试必须先创建zookeeper目录,否则会报错,连接zookeeper创建/solr目录:
# 进入zookeeper后台命令,默认连接本地localhost:2181
./zookeeper/bin/zkCli.sh
# 创建目录
create /solr "solr"
安装solr自带例子
下载
webget https://mirrors.tuna.tsinghua.edu.cn/apache/lucene/solr/6.1.0/solr-6.1.0.tgz
#解压
tar zxvf solr-6.0.1.tgz
初始化solr例子配置文件
上传solr自带例子配置文件至zookeeper的/solr/configs目录下:
./bin/solr zk -z localhost:2181/solr -upconfig -n solr -d example/example-DIH/solr/solr
参数说明
-upconfig to move a configset from the local machine to Zookeeper.
-n configName Name of the configset in Zookeeper that will be the destinatino of 'upconfig' and the source for 'downconfig'.
-d confdir The local directory the configuration will be uploaded from
-z zkHost Zookeeper connection string.
在Solr部署中,必须先将collection配置文件上传至zookeeper中,后面才能创建collection。如果你不是新手,你也可以上传你自己真正要使用的配置文件。
查看zk目录:
./bin/zkCli.sh -server localhost:2181
以前的schema.xml换成了managed-schema文件,具体配置文档:https://cwiki.apache.org/confluence/display/solr/Documents%2C+Fields%2C+and+Schema+Design
使用自带的jetty启动服务
进入solr-6.0.1目录,启动服务:
cd solr-6.0.1
./bin/solr start -c -m 1g -z localhost:2181/solr -p 8983
参数说明:
-c:cloud模式启动
-m:最大内存使用
-z:zookeeper集群地址
-p:启动服务端口
本次测试在一台机器上装三个solr示例,用端口区分(如多台机器可以将solr复制过去直接启动):
./bin/solr start -c -m 1g -z localhost:2181/solr -p 8984
./bin/solr start -c -m 1g -z localhost:2181/solr -p 8985
命令行操作参数参考:https://cwiki.apache.org/confluence/display/solr/Command+Line+Utilities
solr面板
创建collection并导入测试数据
在页面创建collections集群
笔者服务器ip为:192.168.31.135,你们可以将下面ip换成自己的。
1、浏览器访问http://192.168.31.135:8983,点击collections,点击Add Collection,示例如下:
具体参数描述在restful api接口中会说明。
2、注意有可能报"Connection to Solr lost"错误,不过没关系,重新刷新浏览器即可:
使用restful api创建collections集群
刚才在页面上创建collections集群是为了尝鲜一下solr的新功能。在实际部署中建议还是采用restful api的方式创建(可以传入更多参数)。
直接通过 REST 接口来创建 Collection,你也可以通过浏览器访问下面地址,如下所示:
#先删除刚才创建好的collections集群
curl 'http://192.168.31.135:8983/solr/admin/collections?action=DELETE&name=solr'
删除后可以刷新浏览器确认是否删除,确认后再执行下面操作。
#创建collections集群
curl 'http://192.168.31.135:8983/solr/admin/collections?action=CREATE&name=solr&numShards=3&replicationFactor=2&maxShardsPerNode=2'
上面链接中的几个参数的含义,说明如下:
• name: 待创建Collection的名称
• config set: collection在zookeeper中的配置目录
• numShards: 分片的数量
• replicationFactor: 复制副本的数量
• maxShardsPerNode:默认值为1,注意三个数值:numShards、replicationFactor、liveSolrNode,一个正常的solrCloud集群不容许同一个liveSolrNode上部署同一个shard的多个replic,因此当maxShardsPerNode=1时,numShards*replicationFactor>liveSolrNode时,报错。因此正确时因满足以下条件:
numShards*replicationFactor<liveSolrNode*maxShardsPerNode
集群截图如下:
导入测试数据
导入solr自带的测试数据:
./bin/post -c solr example/exampledocs/*.xml
查询数据
1、浏览器访问http://192.168.31.135:8983,选择solr
collection,点击Query,示例如下:
集群管理
collection和replia管理:
schema管理:
总结
Solr6.0.1中页面管理功能日渐完善,以及新的一些特性,docValues越来越成熟了,增加jdbc驱动支持,增加多个sql特性,门槛越来越低了,也开始贴近大数据分析需求。
閱讀更多 IT維京 的文章