Apache Solr - 索引数据

简述

v class="col-sm-12 col-md-8 col-xl-6 rounded-3 tutorial-content" id="mainContent">

一般来说，indexing是系统地排列文件或（其他实体）。索引使用户能够定位文档中的信息。

索引收集、解析和存储文档。
编制索引是为了在查找所需文档时提高搜索查询的速度和性能。

Apache Solr 中的索引

在 Apache Solr 中，我们可以索引（添加、删除、修改）各种文档格式，例如 xml、csv、pdf 等。我们可以通过多种方式将数据添加到 Solr 索引中。

在本章中，我们将讨论索引 -

使用 Solr Web 界面。
使用任何客户端 API，如 Java、Python 等。
使用post tool.

在本章中，我们将讨论如何使用各种接口（命令行、Web 界面和 Java 客户端 API）将数据添加到 Apache Solr 的索引中

使用 Post 命令添加文档

Solr 有一个post命令在其bin/目录。使用此命令，您可以在 Apache Solr 中索引各种格式的文件，例如 JSON、XML、CSV。

浏览binApache Solr 目录并执行–h optionpost 命令，如以下代码块所示。


[Hadoop@localhost bin]$ cd $SOLR_HOME 
[Hadoop@localhost bin]$ ./post -h

执行上述命令后，您将获得一个选项列表post command，如下所示。


Usage: post -c <collection> [OPTIONS] <files|directories|urls|-d [".."]> 
or post –help  
   collection name defaults to DEFAULT_SOLR_COLLECTION if not specified  
OPTIONS 
======= 
Solr options: 
   -url <base Solr update URL> (overrides collection, host, and port) 
   -host <host> (default: localhost) 
   -p or -port <port> (default: 8983) 
   -commit yes|no (default: yes)  
Web crawl options:  
   -recursive <depth> (default: 1) 
   -delay <seconds> (default: 10)  
Directory crawl options: 
   -delay <seconds> (default: 0)  
stdin/args options: 
   -type <content/type> (default: application/xml)  
Other options: 
   -filetypes <type>[,<type>,...] (default:   
   xml,json,jsonl,csv,pdf,doc,docx,ppt,pptx,xls,xlsx,odt,odp,ods,ott,otp,ots,
   rtf,htm,html,txt,log) 
   -params "<key> = <value>[&<key> = <value>...]" (values must be 
   URL-encoded; these pass through to Solr update request) 
   -out yes|no (default: no; yes outputs Solr response to console) 
   -format Solr (sends application/json content as Solr commands 
   to /update instead of /update/json/docs)  
Examples: 
* JSON file:./post -c wizbang events.json 
* XML files: ./post -c records article*.xml 
* CSV file: ./post -c signals LATEST-signals.csv 
* Directory of files: ./post -c myfiles ~/Documents 
* Web crawl: ./post -c gettingstarted http://lucene.apache.org/Solr -recursive 1 -delay 1 
* Standard input (stdin): echo '{commit: {}}' | ./post -c my_collection -
type application/json -out yes –d 
* Data as string: ./post -c signals -type text/csv -out yes -d $"id,value\n1,0.47"

例子

假设我们有一个名为sample.csv具有以下内容（在bin目录）。

Student ID	First Name	Lasst Name	Phone	City
001	Rajiv	Reddy	9848022337	Hyderabad
002	Siddharth	Bhattacharya	9848022338	Kolkata
003	Rajesh	Khanna	9848022339	Delhi
004	Preethi	Agarwal	9848022330	Pune
005	Trupthi	Mohanty	9848022336	Bhubaneshwar
006	Archana	Mishra	9848022335	Chennai

上述数据集包含学生 ID、名字、姓氏、电话和城市等个人详细信息。数据集的 CSV 文件如下所示。在这里，您必须注意您需要提及架构，并记录其第一行。


id,    first_name,   last_name,   phone_no,      location 
001,   Pruthvi,      Reddy,       9848022337,    Hyderabad 
002,   kasyap,       Sastry,      9848022338,    Vishakapatnam 
003,   Rajesh,       Khanna,      9848022339,    Delhi 
004,   Preethi,      Agarwal,     9848022330,    Pune 
005,   Trupthi,      Mohanty,     9848022336,    Bhubaneshwar 
006,   Archana,      Mishra,      9848022335,    Chennai

您可以在名为的核心下索引此数据sample_Solr使用post命令如下 -


[Hadoop@localhost bin]$ ./post -c Solr_sample sample.csv

在执行上述命令时，给定的文档在指定的核心下被索引，生成以下输出。


/home/Hadoop/java/bin/java -classpath /home/Hadoop/Solr/dist/Solr-core
6.2.0.jar -Dauto = yes -Dc = Solr_sample -Ddata = files 
org.apache.Solr.util.SimplePostTool sample.csv 
SimplePostTool version 5.0.0 
Posting files to [base] url http://localhost:8983/Solr/Solr_sample/update... 
Entering auto mode. File endings considered are 
xml,json,jsonl,csv,pdf,doc,docx,ppt,pptx,xls,xlsx,odt,odp,ods,ott,otp,ots,rtf,
htm,html,txt,log 
POSTing file sample.csv (text/csv) to [base] 
1 files indexed. 
COMMITting Solr index changes to 
http://localhost:8983/Solr/Solr_sample/update... 
Time spent: 0:00:00.228

使用以下 URL 访问 Solr Web UI 的主页 -

http://localhost:8983/

选择核心Solr_sample. 默认情况下，请求处理程序是/select查询是“：”。不做任何修改，点击ExecuteQuery页面底部的按钮。

在执行查询时，您可以观察到 JSON 格式（默认）的索引 CSV 文档的内容，如下面的屏幕截图所示。

Note− 同理，您可以索引其他文件格式，例如 JSON、XML、CSV 等。

使用 Solr Web 界面添加文档

您还可以使用 Solr 提供的 Web 界面索引文档。让我们看看如何索引以下 JSON 文档。


[ 
   { 
      "id" : "001", 
      "name" : "Ram", 
      "age" : 53, 
      "Designation" : "Manager", 
      "Location" : "Hyderabad", 
   }, 
   { 
      "id" : "002", 
      "name" : "Robert", 
      "age" : 43, 
      "Designation" : "SR.Programmer", 
      "Location" : "Chennai", 
   }, 
   { 
      "id" : "003", 
      "name" : "Rahim", 
      "age" : 25, 
      "Designation" : "JR.Programmer", 
      "Location" : "Delhi", 
   } 
]

步骤1

使用以下 URL 打开 Solr Web 界面 -

http://localhost:8983/

Step 2

选择核心Solr_sample. 默认情况下，Request Handler、Common Within、Overwrite 和 Boost 字段的值分别为 /update、1000、true 和 1.0，如下图所示。

现在，从 JSON、CSV、XML 等中选择您想要的文档格式。在文本区域中键入要索引的文档，然后单击Submit Document按钮，如下图所示。

使用 Java 客户端 API 添加文档

以下是将文档添加到 Apache Solr 索引的 Java 程序。将此代码保存在名称为的文件中AddingDocument.java.


import java.io.IOException;  
import org.apache.Solr.client.Solrj.SolrClient; 
import org.apache.Solr.client.Solrj.SolrServerException; 
import org.apache.Solr.client.Solrj.impl.HttpSolrClient; 
import org.apache.Solr.common.SolrInputDocument; 
public class AddingDocument { 
   public static void main(String args[]) throws Exception { 
      //Preparing the Solr client 
      String urlString = "http://localhost:8983/Solr/my_core"; 
      SolrClient Solr = new HttpSolrClient.Builder(urlString).build();   
      
      //Preparing the Solr document 
      SolrInputDocument doc = new SolrInputDocument(); 
   
      //Adding fields to the document 
      doc.addField("id", "003"); 
      doc.addField("name", "Rajaman"); 
      doc.addField("age","34"); 
      doc.addField("addr","vishakapatnam"); 
         
      //Adding the document to Solr 
      Solr.add(doc);         
         
      //Saving the changes 
      Solr.commit(); 
      System.out.println("Documents added"); 
   } 
}

通过在终端中执行以下命令来编译上述代码 -


[Hadoop@localhost bin]$ javac AddingDocument 
[Hadoop@localhost bin]$ java AddingDocument

执行上述命令后，您将获得以下输出。


Documents added