solr-in-action-ch4-Configuring Solr

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了solr-in-action-ch4-Configuring Solr相关的知识,希望对你有一定的参考价值。

Solr基本的三个XML配置文件:

solr.xml: solr 日志、shard、solrcould等配置

solrconfig.xml: 某个solr core的配置

schema.xml:某个solr core的索引结构的配置,包含field 和field类型

这一章主要介绍solrconfig.xml, 某个solr core的配置。

1、Core的发现过程

扫描启动某个core的过程是这种:Solr webserver依据配置的java System Property(solr.solr.home),找到solr的home路径,然后solr会扫描这个home路径以下的包括有core.properties的子文件夹。core.properties定义了core的名称、以及其它一些配置信息(非必须,一般如今都在之类只定义name=your_collection_name)。其它一些參数例如以下左图。一旦solr发现了这个core之后就会到这个文件夹以下的conf文件夹下找到solrconfig.xml来開始初始化这个core。

技术分享


技术分享

Overview of solrconfig.xml

<!--solrconfig.xml中的配置项主要分下面几大块:
     1.依赖的lucene版本号配置,这决定了你创建的Lucene索引结构。由于Lucene各版本号之间的索引结构并非全然兼容的,这个须要引起你的注意。
     2.索引创建相关的配置。如索引文件夹,IndexWriterConfig类中的相关配置(它决定了你的索引创建性能)
     3.solrconfig.xml中依赖的外部jar包载入路径配置
     4.JMX相关配置
     5.缓存相关配置,缓存包含过滤器缓存,查询结果集缓存,Document缓存,以及自己定义缓存等等
     6.updateHandler配置即索引更新操作相关配置
     7.RequestHandler相关配置。即接收clientHTTP请求的处理类配置
     8.查询组件配置如HightLight。SpellChecker等等
     9.ResponseWriter配置即响应数据转换器相关配置。决定了响应数据是以什么样格式返回给client的。
     10.自己定义ValueSourceParser配置。用来干预Document的权重、评分,排序
-->
<config>
    <!--依赖的lucene 版本号-->
    <luceneMatchVersion>4.7</luceneMatchVersion>
 
    <!--Solr怎样去载入solr plugins(Solr插件)依赖的jar包-->
    <lib dir="../../../contrib/extraction/lib" regex=".*\.jar"/>
 
    <!--用来指定一个solr的索引数据文件夹,solr创建的索引会存放在data\index文件夹下,默认dataDir是相对于当前core文件夹(假设solr_home下存在core的话)。
    假设solr_home下不存在core的话,那dataDir默认就是相对于solr_home啦,只是一般dataDir都在core.properties下配置。

-->

    <dataDir>${solr.data.dir:}</dataDir>
 
    <!--solr 索引存储方案-->
    <directoryFactory name="DirectoryFactory” class="..."/>
 
    <!--索引相关配置-->
    <indexConfig>...</indexConfig>
 
    <!--这个配置是用来在Solr中启用JMX-->
    <jmx/>
 
    <!--指定索引更新操作处理类-->
    <updateHandler class="solr.DirectUpdateHandler2">
        <updateLog>...</updateLog>
        <autoCommit>...</autoCommit>
    </updateHandler>
 
    <!--索引查询相关的配置项-->
    <query>
        <!--缓存相关-->
        <filterCache ... />
        <queryResultCache ... />
        <documentCache ... />
        <!-- QuerySenderListener用来监听查询发送过程。即你能够在Query请求发送之前做一些处理,比方追加一些请求參数-->
        <listener event="newSearcher" class="solr.QuerySenderListener">
            <arr name="queries">...</arr>
        </listener>
        <listener event="firstSearcher" class="solr.QuerySenderListener">
            <arr name="queries">...</arr>
        </listener>
    </query>
 
    <!--request分发器-->
    <requestDispatcher handleSelect="false">
        <requestParsers ... />
        <httpCaching never304="true"/>
    </requestDispatcher>
 
    <!--Request handler to process queries using a chain of search components (see section 4.2.4).-->
    <requestHandler name="/select" class="solr.SearchHandler">
        <lst name="defaults">...</lst>
        <lst name="appends">...</lst>
        <lst name="invariants">...</lst>
        <arr name="components">...</arr>
        <arr name="last-components">...</arr>
    </requestHandler>
 
    <!--Example search component for doing spell correction on queries.-->
    <searchComponent name="spellcheck"
                     class="solr.SpellCheckComponent">...
    </searchComponent>
 
    <!--Extends indexing behavior using update-request processors, such as language detection.-->
    <updateRequestProcessorChain name="langid">...
    </updateRequestProcessorChain>
 
    <!--Formats the response as JSON.-->
    <queryResponseWriter name="json"
                         class="solr.JSONResponseWriter">...
    </queryResponseWriter>
 
    <!--自己定义ValueSourceParser配置,用来干预Document的权重、评分,排序-->
    <valueSourceParser name="myfunc" ... />
    <!--transforms 转换器 。对doc进行转换-->
 
    <transformer name="db"
                 class="com.mycompany.LoadFromDatabaseTransformer">
        ...
    </transformer>
</config>

solrconfig.xml中有大量类似<arr> <list> <str> <int>这种自己定义标签,以下做个统一的说明:

技术分享

arr:即array的缩写,表示一个数组,name即表示这个数组參数的变量名

lst即list的缩写。但注意它里面存放的是key-value键值对

bool表示一个boolean类型的变量,name表示boolean变量名,

同理还有int,long,float,str等等

Str即string的缩写,唯一要注意的是arr下的str子元素是没有name属性的,而list下的str元素是有name属性的

 

2、Query request handling 

 

2.1、Request-handling overview 


技术分享

Solr 查询请求的处理过程:

1、Client(浏览器或者solrjclient)发送查询请求到solrserver

2、Jetty(或者tomcat等其它的webserver)会将/solr的请求路由到solr统一的request dispatcher,dispatcher会依据/collection1找到相应的core,并找到这个core的solrconfig.xml中定义的处理请求的 request handle

3、request handler  使用各个组件串行的处理这个请求

4、处理完毕后,Reponse writer组件会将结果处理成某个格式(xml、json等等)并返回client,默认是返回xml格式。

 技术分享

2.2、search handler

request handler主要有两类search handler和update handler。search handler负责处理查询请求、update handler用来更新索引的请求,这里主要介绍一下search handler,update handler 下一章介绍。下图是solrconfig.xml中/select request handler的定义。

技术分享

ps:solrconfig.xml文件里定义的solr.开头的class(如这里的solr.SearchHandler),都会相应于solr core java package:

"analysis.", "schema.", "handler.", "search.", "update.", "core.", "request.", "update.processor.", "util.", "spelling.", "handler.component.", or"handler.dataimport." 。

这里的SearchHandler相应于

org.apache.solr.handler.component.SearchHandler 。

一个Search handler能够定义一下几个处理阶段:

1.请求參数处理

加入请求中没有的默认查询參数

覆盖改动请求的參数值

加入额外的參数

2.search first-components(可选)

3.search process components

4.search last-components (可选)

技术分享

2.3、search components 

2.3.1 QUERY COMPONENT 

query处理的核心,通过active searcher 解析和运行查询。查询解析是通过參数控制的defType(如edismax,dismax)。query 组件查询初匹配查询參数的doc。这些doc能够被兴许的组件继续处理。query组件是默认开启的,兴许其它的组件须要在查询參数里显示的指定。

2.3.2 FACET COMPONENT

solr将以导航为目的的查询结果称为facet. 它并不会改动查询结果信息, 仅仅是在查询结果上依据分类加入了count信息, 然后用户依据count信息做进一步的查询, 比方淘宝的查询列表中, 上面会表示不同的类目相关查询结果的数量,,兴许会具体介绍

2.3.3 MORE LIKE THIS COMPONENT

假设启用这个组件。会搜索出和查询结果相似的doc,兴许会具体介绍

2.3.4 HIGHLIGHT COMPONENT

假设启用这个组件,会高亮显示匹配的文本,兴许会具体介绍 

2.3.5 STATS COMPONENT 

统计组件。假设启用,能够统计指定数字field的统计信息。如最小值、最大值、总和、平均值...等等统计信息。详细能够看以下的实例。

技术分享

2.3.6、DEBUG COMPONENT

开启debug组件。能够看到solr 打分的详情,有助于排查一些诸如排序错误的问题。

开启debug组件仅仅用在请求參数添加debugQuery=true就能够了。

2.3.7 ADDING SPELLCHECK AS A LAST-COMPONENT

兴许再介绍

3、Managing searchers

solrconfig.xml中<query>标签包括了一些能够优化查询性能的參数。如缓存、field懒载入、新searcher预热等。

3.1 New searcher overview 

       searcher是solr处理query的组件。solr中仅仅有一个active 的searher。

这个active searcher 拥有全部lucene索引的仅仅读快照,假设提交一个新的doc到solr,这个doc在当前这个searcher中是不可见的。那么怎样才干使得新提交的doc可见呢?solr的解决方式是关闭当前的searcher,新开一个searcher。新的searcher拥有新提交的doc的索引的仅仅读快照。这就是solr commit的须要做的一部分工作(每一个commit都要new 一个searcher)。

       当进行一次commit之后,在旧的searcher上还有未运行完的查询,所以旧searcher的销毁是在其上面搜有查询运行完才运行的。销毁旧的searcher的时,其上面全部的缓存也都会被删除(由于原有的缓存都是基于旧的索引快照的,commit之后索引是有更新的。所以旧的缓存也应该是要失效的)。

       而生成新的searcher须要运行一些计算(如又一次计算缓存),所以生成新的searcher是代价比較耗时的操作。

为了不正确用户的查询产生影响。solr採用的后台生成新的searcher的方式。当新的searcher就绪之前,旧的searcher一直是提供查询的,直到新的searcher 预热完成。

技术分享

3.2、Warming a new searcher 

预热新的searcher有两种方式:通过旧的cache自己主动预热新的cache、运行cache预热的查询。下一节会具体介绍自己主动预热。

这里先看一下运行cache预热的查询的配置。

通过配置一个listener,当newSeacher事件发生时。会运行queries里面的查询用来预热缓存。配置成预热的query一般都是应用最频繁的查询,配置queries不能过多,过多会造成预热的时间太久。耗费太多server的资源。

技术分享

 

这样的预热方式方式一个非常实用的场景是solr服务启动first searcher的预热。配置first searcher的预热。仅仅须要将上面的event="firstSeacher"即可了。

solr推断事件是firstSeacher是依据当前Seacher是否是null推断的,假设当前seacher是null则为firstSearcher。

 

searcher预热还有两个重要的配置标签useColdSearcher和maxWarmingSearchers

<useColdSearcher>false</useColdSearcher>,当配置为true的时候,不等新的searcher预热完成就直接使用,而配置为false的时候,就是等到新的searcher预热完才会使用
<maxWarmingSearchers>2</maxWarmingSearchers>, 配置同一时候预热的searcher数量,假设searcher预热的时间过长,commit又比較频繁的话,会导致同一时候有多个searcher在预热。假设同一时候预热的数量超过配置的參数。之后的commit就会报错。假设常常出现报错,就须要考虑是否这个值设置的不合理或者预热时间过长。solr默认配置的是2。

4、cache management

4.1、cache fundamentals

  • cache 大小
  • 命中率与缓存踢除
  • 缓存失效
  • cache预热
cache大小
solr cache在都在内存中,须要有限制大小
LRU、LFU
假设内存够大。cache也不宜设置过大,过大会造成fullgc 时间太长
命中率与缓存踢除
命中率越接近1越好,太小solr的cache益处不大
缓存踢除过多,说明缓存size设置太小
命中率和缓存是有关联关系的     
缓存失效
缓存失效导致查询结果错误的问题在solr中不存在,由于solr的缓存是和searcher实例绑定的,当searcher关闭的时候,全部缓存一起失效。searcher是一个对索引的一个仅仅读快照。
缓存预热
solr commit之后创建一个新的searcher实例
创建新的searcher能够设置预热缓存

4.2、filter cache

针对fq參数。fq參数对查询结果进行过滤。不会影响打分
fq的查询结果缓存,key是fq的參数,value是docid的bitmap(所以假设maxdoc是100w个,那每一个cache的最大的大小是100w bit=1Mb)
autowarm的时间不能超过commit的间隔
最好用LFU
size和autowarmCount 须要依据应用的fq的数量以及commit的间隔
技术分享

4.3、Query result cache

queryResultCache是对查询结果的缓存(SolrIndexSearcher中的cache缓存的都是document id set),这个结果就是针对查询条件的全然有序的结果
<queryResultWindowSize> 每次查询返回的doc的数量,比方设置为30。一个查询每页是10个。但一次查询实际是返回30个docid的
<queryResultMaxDocsCached> 对于每一个查询缓存的doc的最大数量,比方设置为90,这个查询最多能缓存的doc数量
queryResultCache 永远缓存第一个doc到查询的出的最后一个doc,而不是start 的docid 

4.4、Document cache

documentCache用来保存<doc_id,document>对的。

假设使用documentCache,就尽可能开大些,至少要大过<max_results> * <max_concurrent_queries>,否则由于cache的淘汰,一次请求期间还须要又一次获取document一次。也要注意document中存储的字段的多少,避免大量的内存消耗。

预热是否必要:要看情况而定,返回比較固定,就能够设置预热

4.5、Field value cache


lucene缓存。不是solr管理的,缓存了docId和stored field。 

5、Summary 

上面仅仅是介绍了solrconfig.xml的一部分经常使用的配置,solrconfig.xml里面有大量的具体凝视。能够通过查看solrconfig.xml  的配置文件的了解其它的一些配置。如配置返回格式、怎样定义一个新的search handler、生产环境调优等。
















以上是关于solr-in-action-ch4-Configuring Solr的主要内容,如果未能解决你的问题,请参考以下文章

Cordova 4.0 config.xml 中的 Android 权限

json Webpack 4 config.js(SCSS到CSS和Babel)

Cisco常用命令

SpringCloud-2.0-周阳(13. 分布式配置中心 - SpringCloud Config)

42-高级路由:BGP起源属性:重分发

CCNA ACL 实验