2019独角兽企业重金招聘Python工程师标准>>> 
一、开始增量索引前的准备工作。
1、认识data-config.xml中相关属性
<!-- transformer 格式转化：HTMLStripTransforme表示 索引中将忽略HTML标签 ---> <!-- query: 查询数据库表符合记录数据 ---> <!-- deltaQuery:增量索引 查询主键ID ---> 注意这个query只返回ID字段 <!-- deltaImportQuery:增量索引 查询导入的数据 ---> <!-- deletedPkQuery:增量索引 删除主键ID查询 ---> 注意这个只返回ID字段
最主要的是我们要知道这样一个事实： last_index_time是DataImportHandler的一个默认字段，（可查看conf目录下的dataimporter.properties文件）
我们可以在任何SQL中引用，该字段用于表明上次做full import或者是delta import(增量导入）的最后一次时间。
2、数据库配置注意事项
1）、如果只涉及添加与修改业务，那么数据库里只需添加一个类型为timpstamp，默认值为当前系统时间的字段 ：CURRENT_TIMESTAMP（MySQL）
2）、如果还涉及删除业务，那么数据里就需额外再多添加一个字段isdelete，int类型的用0,1来标识，此条记录是否被删除，当然也可以用其他字段标识，ture或false都可以
3、dataimporter.properties / {corename}_dataimporter.properties
在C:\solr-tomcat\solr\item\conf中查看是否存在文件dataimporter.properties,如果没有，则新建该文件。
这个配置文件很重要，它是用来记录索引的最新一次修改时间的，通过该配置文件可以找出新增的、修改的或者删除的记录。相关实例：
在data-config中添加如下配置信息。
<dataConfig> <!--- 此段话配置的是一个MySQL的数据源，（数据源也可以配置在solrconfig.xml中） ---> <dataSource name="activityDB" type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost/test" user="swang6" password="swang6"/> <document> <entity pk="ID" dataSource="activityDB" name="myentity" query="select * from myentity WHERE isdelete=0" deltaQuery="select ID from myentity where my_date >'${dih.last_index_time}'" deletedPkQuery="select ID from myentity where isdelete=1" deltaImportQuery="select * from myentity where ID='${dih.delta.id}">
<!-- ID指定大写的，与上面语句中的对应起来----> <field column="ID" name="id"/> <field column="name" name="name"/> <field column="address" name="address"/> <field column="age" name="age"/> <field column="my_date" name="my_date"/> <field column="isdelete" name="isdelete"/> </entity>
</document> </dataConfig>
<!-- pk="ID" 必须，因为其中的增量索引查询主键ID时需要 -->
<!-- dataSource="acitvityDB" 这个引用名字是引用上面数据源的名字 --> <!-- name="myentity" 存在多个实体时，这个名字必须唯一 --> <!-- query：用于全量导入而非增量导入 query="select * from myentity WHERE isdelete=0 query查询是指查询出表里所有的符合条件的数据，因为笔者测试的有删除业务，所以 where后面有一个限定条件isdelete=0，意思为查询未被删除的数据 --> <!-- deltaQuery ： 用于增量导入且只返回ID deltaQuery="select ID from myentity where my_date > '${dih.last_index_time}'" deltaQuery的意思是，查询出所有经过修改的记录的ID 可能是修改操作，添加操作，删除操作产生的 --> <!-- deletedPkQuery : 用于增量导入且只返回ID deletedPkQuery="select ID from myentity where isdelete=1" 此操作只查询那些数据库里伪删除的数据的ID（即isdelete标识为1的数据） solr通过它来删除索引里面对应的数据 --> <!-- deltaImportQuery： 增量导入起作用，可以返回多个字段的值,一般情况下，都是返回所有字段的列 deltaImportQuery="select * from myentity where ID='${dih.delta.ID}'" deltaImportQuery查询是获取以上两步的ID，然后把其全部数据获取，根据获取的数据 对索引库进行更新操作，可能是删除，添加，修改 -->
注：如果有必要，则可以在schema.xml中添加一个timestamp的field
<field name="timestamp" type="date" indexed="true" stored="true" default="NOW" />
做了以上配置后，可以设置linux的cron job或者spring 的TaskSchuduler或者Cron Job后，可以定时发url：
http://localhost:8983/solr/dataimport?command=delta-import去做增量索引。更多关于Solr做增量索引的说明文档：http://wiki.apache.org/solr/DataImportHandler
当然也可以用Solr自带的Scheduler来做增量索引：
http://wiki.apache.org/solr/DataImportHandler#Scheduling
