使用 Solr 9 中的数据导入处理程序（DIH）
DIH（Data Import Handler）提供了一种可配置的方式向 Solr 中导入数据。
从 Solr 9 开始，数据导入处理程序（DIH）已经不再直接包含在 Solr 中，而是作为一个独立的项目存在。
本文将详细介绍如何在 Solr 9 中配置和使用 DIH，包括如何设置 Solr 环境和导入数据的具体步骤。
关于独立出来的 DIH 源码可以从：https://github.com/SearchScale/dataimporthandler?tab=readme-ov-file 中获取。
本示例将展示如何从源码启动 Solr 项目并配置 DIH。
安装和启动 Solr 服务
你可以自己在本地下载好 Solr 服务部署，截止到本博客的编写时间，Solr 的最新版是 9.6.1，我这里直接从 github 上 clone Solr 的源码，并将分支切到 releases/solr/9.6.1 版本标签，对应命令如下：
git checkout releases/solr/9.6.1
由于 Solr9 项目构建已从原来的 ant 方式更改为了 gradle 方式，我们将项目导入到 IDEA 中后，IDEA 会自动识别 gradle 项目。
在项目的根目录下我们可以执行 ./gradlew dev 命令，此命令执行后再项目的 solr/packaging/build 目录下会生成编译打包后的项目结构。
如下所示：
定义 SolrHome 目录并源码启动 Solr 服务
首先我们需要在本地电脑上选择一个目录作为我们的 SolrHome 目录，这里我选择 /Workspace/SolrHome/Solr9/test_demo 作为我的 SolrHome 目录，我们现在创建/Workspace/SolrHome/Solr9/test_demo 空目录，如下所示：
之后在项目的 solr/server/solr 目录下找到 solr.xml 将其拷贝到 /Workspace/SolrHome/Solr9/test_demo 目录下，如下所示：
IDEA 双击 Shift 键，查找 StartSolrJetty java 类，如下所示：
我们需要修改这个测试启动类，在代码中设置 SolrHome 和 webapp 的地址，修改后的内容如下：
public class StartSolrJetty {private static final Logger log = LoggerFactory.getLogger(MethodHandles.lookup().lookupClass());public static void main(String[] args) {//System.setProperty("solr.solr.home", "../../../example/solr");// 此处设置 SolrHome 地址System.setProperty("solr.solr.home", "/Workspace/SolrHome/Solr9/test_demo");Server server = new Server();ServerConnector connector = new ServerConnector(server, new HttpConnectionFactory());// Set some timeout options to make debugging easier.connector.setIdleTimeout(1000 * 60 * 60);connector.setPort(8983);server.setConnectors(new Connector[] {connector});WebAppContext bb = new WebAppContext();bb.setServer(server);bb.setContextPath("/solr");//bb.setWar("webapp/web");// 此处设置项目目录下的 solr/webapp/web 的绝对路径地址bb.setWar("/Workspace/source-code/solr/solr/webapp/web");// // START JMX SERVER// if( true ) {// MBeanServer mBeanServer = ManagementFactory.getPlatformMBeanServer();// MBeanContainer mBeanContainer = new MBeanContainer(mBeanServer);// server.getContainer().addEventListener(mBeanContainer);// mBeanContainer.start();// }server.setHandler(bb);try {System.out.println(">>> STARTING EMBEDDED JETTY SERVER, PRESS ANY KEY TO STOP");server.start();while (System.in.available() == 0) {Thread.sleep(5000);}server.stop();server.join();} catch (Exception e) {log.error("failed to start", e);System.exit(100);}}
}
修改好后，我们启动这个测试类的 main 方法，之后浏览器可以访问 http://localhost:8983/solr/#/，页面内容如下：
创建 SolrCore 目录并定义 Schema
在创建的 SolrHome 目录下，我们新建一个 movie_core_1 的子目录，如下所示：
之后复制Solr项目中 solr/configsets/_default/conf 目录下的配置文件到上面创建的 movie_core_1 目录下，如下图所示：
编辑 managed-schema.xml 文件，这里我删除了这个文件所有多余的配置，内容如下：
<?xml version="1.0" encoding="UTF-8" ?>
<schema name="movie_config_demo" version="1.6"><!-- 定义字段类型 --><types><!-- 字符串类型，适用于文本，支持排序和docValues --><fieldType name="string" class="solr.StrField" sortMissingLast="true" docValues="true" /><!-- 整数点类型，适用于整数，支持docValues --><fieldType name="pint" class="solr.IntPointField" docValues="true"/><!-- 长整数点类型，适用于长整数，支持docValues --><fieldType name="plong" class="solr.LongPointField" docValues="true"/><!-- 双精度浮点数点类型，适用于浮点数，支持docValues --><fieldType name="pdouble" class="solr.DoublePointField" docValues="true"/><!-- 日期点类型，适用于日期，支持docValues --><fieldType name="pdate" class="solr.DatePointField" docValues="true"/><!-- 文本字段类型，用于需要分词的文本 --><fieldType name="text" class="solr.TextField" omitNorms="true"><!-- 索引时的分析器配置 --><analyzer type="index"><tokenizer class="solr.StandardTokenizerFactory"/><filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /><filter class="solr.LowerCaseFilterFactory"/></analyzer><!-- 查询时的分析器配置 --><analyzer type="query"><tokenizer class="solr.StandardTokenizerFactory"/><filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /><filter class="solr.SynonymGraphFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/><filter class="solr.LowerCaseFilterFactory"/></analyzer></fieldType></types><!-- 定义字段 --><fields><!-- 特殊的系统字段，用于乐观并发控制 --><field name="_version_" type="plong" indexed="false" stored="false"/><!-- 电影ID，唯一标识符 --><field name="MOVIE_ID" type="string" indexed="true" stored="true" required="true" multiValued="false"/><!-- 电影名称 --><field name="NAME" type="text" indexed="true" stored="true" required="true" multiValued="false"/><!-- 电影别名 --><field name="ALIAS" type="text" indexed="true" stored="true" multiValued="false"/><!-- 电影封面图片 --><field name="COVER" type="string" indexed="false" stored="true" multiValued="false"/><!-- 导演名单 --><field name="DIRECTORS" type="string" indexed="true" stored="true" multiValued="false"/><!-- 豆瓣评分 --><field name="DOUBAN_SCORE" type="pdouble" indexed="true" stored="true" multiValued="false"/><!-- 豆瓣投票数 --><field name="DOUBAN_VOTES" type="pint" indexed="true" stored="true" multiValued="false"/><!-- 电影类型 --><field name="GENRES" type="string" indexed="true" stored="true" multiValued="false"/><!-- 电影语言 --><field name="LANGUAGES" type="string" indexed="true" stored="true" multiValued="false"/><!-- 电影时长 --><field name="MINS" type="pdouble" indexed="true" stored="true" multiValued="false"/><!-- 官方网站 --><field name="OFFICIAL_SITE" type="string" indexed="false" stored="true" multiValued="false"/><!-- 制作地区 --><field name="REGIONS" type="string" indexed="true" stored="true" multiValued="false"/><!-- 上映日期 --><field name="RELEASE_DATE" type="pdate" indexed="true" stored="true" multiValued="false"/><!-- 剧情简介 --><field name="STORYLINE" type="text" indexed="true" stored="true" multiValued="false"/><!-- 标签 --><field name="TAGS" type="string" indexed="true" stored="true" multiValued="false"/><!-- 上映年份 --><field name="YEAR" type="pint" indexed="true" stored="true" multiValued="false"/><!-- 演员ID列表 --><field name="ACTOR_IDS" type="string" indexed="true" stored="true" multiValued="false"/><!-- 导演ID列表 --><field name="DIRECTOR_IDS" type="string" indexed="true" stored="true" multiValued="false"/></fields><!-- 定义主键 --><uniqueKey>MOVIE_ID</uniqueKey>
</schema>
由于上面的 schema 配置没有定义 text_general 字段，所以我们还需要修改 solrconfig.xml 配置文件，注释掉下面的代码内容：
<!--<updateProcessor class="solr.AddSchemaFieldsUpdateProcessorFactory" name="add-schema-fields"><lst name="typeMapping"><str name="valueClass">java.lang.String</str><str name="fieldType">text_general</str><lst name="copyField"><str name="dest">*_str</str><int name="maxChars">256</int></lst>Use as default mapping instead of defaultFieldType<bool name="default">true</bool></lst><lst name="typeMapping"><str name="valueClass">java.lang.Boolean</str><str name="fieldType">booleans</str></lst><lst name="typeMapping"><str name="valueClass">java.util.Date</str><str name="fieldType">pdates</str></lst><lst name="typeMapping"><str name="valueClass">java.lang.Long</str><str name="valueClass">java.lang.Integer</str><str name="fieldType">plongs</str></lst><lst name="typeMapping"><str name="valueClass">java.lang.Number</str><str name="fieldType">pdoubles</str></lst></updateProcessor>--><!--<updateRequestProcessorChain name="add-unknown-fields-to-the-schema" default="${update.autoCreateFields:true}"processor="uuid,remove-blank,field-name-mutating,parse-boolean,parse-long,parse-double,parse-date,add-schema-fields"><processor class="solr.LogUpdateProcessorFactory"/><processor class="solr.DistributedUpdateProcessorFactory"/><processor class="solr.RunUpdateProcessorFactory"/></updateRequestProcessorChain>-->
之后我们在 Solr Admin 页面创建这个 core，如下所示：
点击 Add Core ，创建好后如下所示：
当然此时会在 movie_core_1目录下生成 data 索引目录以及 core.properties 属性文件，如下所示：
查询测试：
配置 DIH
访问 https://github.com/SearchScale/dataimporthandler?tab=readme-ov-file 下载我们需要的 DIH jar 包，这里我直接下载的是源码：
打开下载好的源码：
可以看到项目中有 mariadb-java-client-2.6.0.jar 和 data-import-handler-9.3.0.jar 两个 jar 包文件，我们需要将这两个 jar 包拷贝至 movie_core_1/lib 目录下，如下所示：
编写 solrconfig.xml 文件，新增如下配置：
<lib dir="./lib" />
如图：
<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler"><lst name="defaults"><str name="config">data-config.xml</str></lst>
</requestHandler>
如图：
之后再新增一个 data-config.xml 文件到 movie_core_1/conf 目录下，data-config.xml 内容如下：
<dataConfig><dataSource type="JdbcDataSource" driver="com.mysql.cj.jdbc.Driver"url="jdbc:mysql://localhost:3306/movies" user="root" password="12345678" /><document><entity name="movie"query="SELECT movie_id, name, alias, cover, directors, douban_score, douban_votes, genres, languages, mins, official_site, regions, release_date, storyline, tags, CAST(year AS CHAR) AS year, actor_ids, director_ids FROM movie"><field column="movie_id" name="movie_id" /><field column="name" name="name" /><field column="alias" name="alias" /><field column="cover" name="cover" /><field column="directors" name="directors" /><field column="douban_score" name="douban_score" /><field column="douban_votes" name="douban_votes" /><field column="genres" name="genres" /><field column="languages" name="languages" /><field column="mins" name="mins" /><field column="official_site" name="official_site" /><field column="regions" name="regions" /><field column="release_date" name="release_date" dateTimeFormat="yyyy-MM-dd" /><field column="storyline" name="storyline" /><field column="tags" name="tags" /><field column="year" name="year" /><field column="actor_ids" name="actor_ids" /><field column="director_ids" name="director_ids" /></entity></document>
</dataConfig>
注意： 这里我是从 mysql 中查询表数据进行索引，所以需要 MySQL 的驱动包，需要从 https://mvnrepository.com/ 中下载 MySQL 的驱动 jar 包，将其拷贝至 movie_core_1/lib 目录下：
我的 MYSQL 表结构如下：
表数据：https://github.com/lt5227/example_code/blob/main/spring_solr_example/sql/movies.sql
之后在 CoreAdmin 页面中选择 Relod，重新加载配置。
在浏览器中请求 http://localhost:8983/solr/movie_core_1/dataimport?command=full-import 接口，程序就会读取查询数据库进行全量索引了，请求后页面返回如下：
控制台日志如下：
测试查询：
官方文档：
https://solr.apache.org/guide/8_6/uploading-data-with-index-handlers.html
https://solr.apache.org/guide/solr/latest/upgrade-notes/major-changes-in-solr-9.html#deprecations-and-removals