[英]Importing multi-valued field into Solr from mySQL using Solr Data Import Handler
[英]Solr not returning all documents after importing with the Data Handler
我有一個 Solr 8.7.0 安裝,我正在通過 MySQLi 連接使用數據處理程序導入器插件。
我聲明了四個實體:
<dataConfig>
<dataSource type="JdbcDataSource"
driver="com.mysql.jdbc.Driver"
url="jdbc:mysql://localhost:3306/hmsscot_bassculture"
user="myuser"
password="mypw"/>
<document>
<entity name="author" query="select id,type,firstname,surname,biographical_info,extrainfo from bassculture_author">
<field column="id" name="id"/>
<field column="type" name="type"/>
<field column="firstname" name="firstname"/>
<field column="surname" name="surname"/>
<field column="biographical_info" name="biographical_info"/>
<field column="extrainfo" name="extrainfo"/>
</entity>
<entity name="source" query="select id,type,short_title,full_title,publisher,author_id,orientation,variants from bassculture_source">
<field column="id" name="id"/>
<field column="type" name="type"/>
<field column="short_title" name="short_title"/>
<field column="full_title" name="full_title"/>
<field column="publisher" name="publisher"/>
<field column="author_id" name="author_id"/>
<entity name="author" query="SELECT s.*, CONCAT(ba.firstname, ' ', ba.surname) AS author FROM bassculture_source s, bassculture_author ba WHERE s.id=${source.id} AND s.author_id = ba.id;">
<field column="author" name="author"/>
</entity>
<field column="description" name="description"/>
<field column="orientation" name="orientation"/>
<field column="variants" name="variants"/>
</entity>
<entity name="copy" query="select id,type,folder,source_id,item_notes,seller,library,shelfmark,pagination,dimensions from bassculture_item">
<field column="id" name="id"/>
<field column="type" name="type"/>
<field column="folder" name="folder"/>
<field column="source_id" name="source_id"/>
<entity name="source_title" query="select id,short_title from bassculture_source where id=${copy.source_id}">
<field column="short_title" name="source_title"/>
</entity>
<entity name="source_author" query="SELECT bt.*, CONCAT(ba.firstname, ' ', ba.surname) AS source_author FROM bassculture_tune bt, bassculture_item c, bassculture_source s, bassculture_author ba WHERE c.id=${copy.id} AND c.source_id = s.id AND s.author_id = ba.id;">
<field column="source_author" name="source_author"/>
</entity>
<field column="item_notes" name="item_notes"/>
<field column="seller" name="seller"/>
<field column="library" name="library"/>
<field column="shelfmark" name="shelfmark"/>
<field column="paginations" name="pagination"/>
<field column="dimensions" name="dimension"/>
</entity>
<entity name="tune" query="select id,type,name,start_page,alternate_spellings,item_id from bassculture_tune">
<field column="id" name="id"/>
<field column="type" name="type"/>
<field column="name" name="name"/>
<entity name="source_title" query="select s.* FROM bassculture_source s, bassculture_item c, bassculture_tune bt where bt.id=${tune.id} AND c.source_id = s.id AND bt.item_id = c.id">
<field column="short_title" name="source_title"/>
</entity>
<entity name="tune_author" query="SELECT bt.*, CONCAT(ba.firstname, ' ', ba.surname, ' ', ba.extrainfo) AS tune_author FROM bassculture_tune bt, bassculture_item c, bassculture_source s, bassculture_author ba WHERE bt.id=${tune.id} AND bt.item_id = c.id AND c.source_id = s.id AND s.author_id = ba.id;">
<field column="tune_author" name="tune_author" />
</entity>
<field column="start_page" name="start_page"/>
<field column="alternate_spellings" name="alternate_spellings"/>
<field column="item_id" name="item_id"/>
</entity>
</document>
</dataConfig>
現在,我正在經歷一些對我來說沒有意義的事情。 如果我運行數據導入器,將“實體”下拉列表留空(即導入所有實體):
我得到:
索引完成。 添加/更新:2357 個文檔。 刪除了 0 個文檔。 (時長:13 秒)
這是正確的文檔數量(作者+來源+副本+曲調)。 然而,當我查詢數據庫時,我只得到 1938 個文檔:
"responseHeader":{
"status":0,
"QTime":103,
"params":{
"q":"*:*",
"_":"1609335106436"}},
"response":{"numFound":1938,"start":0,"numFoundExact":true,"docs":[
{
[...]
這只是曲調(上面配置文件中的最后一個實體)。 我還在儀表板中看到了這一點:
另一方面,如果我 select 實體一個接一個(例如作者等......):
該插件正確導入作者、調整和復制實體(每次.查詢都反映了導入的文檔)。 一旦我到達第四個實體(調整),索引顯然會“忘記”前三個實體 - 盡管在運行它之后,插件報告“文檔已刪除:0” - 和. 查詢僅返回找到的 1938 個文檔(即僅曲調)。
日志中沒有錯誤消息。 我錯過了什么?
部分解決方案
我設法為 id 添加了一個前綴,以區分四種不同的數據,這樣唯一的 ID 就不會被重寫,例如:
SELECT name,start_page,alternate_spellings,item_id, CONCAT('tune_', id) AS id, 'tune' as type FROM bassculture_tune;
不過,我需要當前曲調的數據庫 id(不帶前綴),在這種情況下,用於以后的比較,例如:
<entity name="tune_author" query="SELECT bt.*, CONCAT(ba.firstname, ' ', ba.surname, ' ', ba.extrainfo) AS tune_author FROM bassculture_tune bt, bassculture_item c, bassculture_source s, bassculture_author ba WHERE bt.id=${tune.id} AND bt.item_id = c.id AND c.source_id = s.id AND s.author_id = ba.id;">
<field column="tune_author" name="tune_author" />
</entity>
由於 ${tune.id} 現在有一個前綴,因此整個查詢不再執行我需要的操作。 有沒有辦法在本地剝離前綴?
編輯 2
查詢
<entity name="tune_author" query="select s.* FROM bassculture_source s, bassculture_item c, bassculture_tune bt WHERE bt.id=REPLACE(${tune.id}, 'tune_', '') AND c.source_id = s.id AND bt.item_id = c.id;">
在 Solr 上導入數據時引發錯誤(無法執行查詢)。
這是 Solr 日志中的錯誤:
Caused by: java.sql.SQLSyntaxErrorException: You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'SELECT REPLACE(tune_1, 'tune_', ''), AND c.source_id = s.id AND bt.item_id = c.i' at line 1
附言
就像是
select item_id FROM bassculture_tune bt WHERE bt.id= (SELECT REPLACE('tune_1', 'tune_', ''));
在 MySQL 控制台上工作得很好。
引入變量
我現在用一個變量試試運氣:
<entity name="this_tune_id" query="SET @this_tune_id = REPLACE('${tune.id}','tune_','');">
</entity>
<entity name="source_title" query="select s.* FROM bassculture_source s, bassculture_item c, bassculture_tune bt WHERE c.source_id = s.id AND bt.item_id = c.id AND bt.id = ${this_tune_id};">
<field column="short_title" name="source_title"/>
</entity>
這給了我一個
org.apache.solr.handler.dataimport.DataImportHandlerException: java.lang.ArrayIndexOutOfBoundsException: Index -1 out of bounds for length 1
錯誤。
最終解決方案
我將數據庫 ID 存儲為 this_tune_id,並將 Solr id(帶前綴)存儲為 id,以便我可以將 this_tune_id 用於我的查詢,同時仍將前綴 id 存儲在 Solr 中:
<entity name="tune" query="SELECT name,start_page,alternate_spellings,item_id, id AS this_tune_id, CONCAT('tune_', id) AS id, 'tune' as type FROM bassculture_tune;">
<field column="name" name="name"/>
<entity name="source_title" query="select s.* FROM bassculture_source s, bassculture_item c, bassculture_tune bt WHERE c.source_id = s.id AND bt.item_id = c.id AND bt.id = ${tune.this_tune_id};">
包含導入數據的屏幕截圖揭示了原因: maxDocs
顯示已導入 2357 個文檔; 但是有 419 已被標記為已刪除。 您的唯一鍵字段(通常id
)在您正在導入的文檔之間有重疊,導致較新的文檔覆蓋較舊的文檔。
419 個文檔已被后來導入的文檔覆蓋,因為 ID 重疊。
您可以通過將實體類型添加到您的 id 來解決這個問題(id 不需要是數字) - 最簡單的方法是在您的 SQL 中添加前綴:
SELECT CONCAT('tune_', id) AS id, FROM ..
SELECT CONCAT('author_', id) AS id, .. FROM ..
... repeating for each source ..
這樣,作者的 id 將是author_1
並且不會覆蓋tune_1
,否則兩者都會有1
作為他們的 id。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.