你的位置:首页 > Java教程

[Java教程]Solrj和Solr DIH索引效率对比分析


测试软件环境:

    1、16G windows7 x64  32core cpu 。

    2、jdk 1.7  tomcat 6.x  solr 4.8

数据库软件环境:

    1、16G windows7 x64  32core cpu 。

    2、Oracle 11g 

一、Solr默认索引工具DIH。

  使用Solr DIH索引数据,一千九百万数据,耗时45分钟左右,每秒钟6500条/s,合计39w条每分钟。

  相关jvm最大堆内存为4G,solr index config使用默认参数。

  Solr DIH 导入截图:

  

  导入2500w条数据总耗时一个小时左右

  

  索引字段,总共15个左右

  

  (备注:字段越少,字段值越小,索引的速度也越快,因此优化Solr查询和索引效率,schema设计显得尤为重要)

二、Solrj API 索引数据。

  使用Solrj api效率稍差,合计30w每秒,耗时一个多小时。

  Solr Server配置参数同上。在客户端机器上,读取数据库数据,使用Solrj api进行索引。代码如下:

  

import java.io.IOException;import java.sql.Connection;import java.sql.DriverManager;import java.sql.ResultSet;import java.sql.SQLException;import java.sql.Statement;import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.UUID;import org.apache.solr.client.solrj.SolrServer;import org.apache.solr.client.solrj.SolrServerException;import org.apache.solr.client.solrj.impl.HttpSolrServer;import org.springframework.context.ApplicationContext;import org.springframework.context.support.ClassPath

  整个过程是读取数据库,将数据转成DTO,然后通过SolrServer.addBeans插入solr server,调用SolrServer.commit进行索引提交(就可以查询结果)。

  从数据库中读取转换过程代码如下:

  

	private POI getPOI(ResultSet rs) throws SQLException{		POI poi = new POI();				poi.setId((UUID.randomUUID()).toString());		poi.setName(rs.getString("nameforStore"));		poi.setAddress(rs.getString("addressforStore"));				String lat = rs.getString("lat");				if(lat!=null&&!lat.equalsIgnoreCase("null")&&lat.length()>0){			poi.setLat(Double.valueOf(lat));		}				String lon = rs.getString("lon");				//poi.setLon(rs.getDouble("lon"));				if(lon!=null&&!lon.equalsIgnoreCase("null")&&lon.length()>0){			poi.setLon(Double.valueOf(lon));		}				poi.setNid(rs.getString("DOCID"));				String totalCity = rs.getString("totalcity");		if(!StringUtils.isEmpty(totalCity)){//---------citycode			String[] cities = totalCity.split(" ");			List<String> cs = new ArrayList<String>();			for(String c:cities){				cs.add(c);			}			poi.setCities(cs);		}				String types = rs.getString("type");		if(!StringUtils.isEmpty(types)){//type-----------------			String[] typea = types.split(" ");			List<String> t = new ArrayList<String>();			for(String c:typea){				t.add(c);			}			//poi.setCities(cs);			poi.setTypes(t);		}				return poi;	};

  SolrJ索引过程代码:

  

				List<POI> pois = new ArrayList<POI>();								while(rs.next()){//遍历JDBC ResultSet										p = getPOI(rs);										//ss.addBean(p);					pois.add(p);					if(i>=batchSize){//定量批量索引逻辑						long commitT = System.currentTimeMillis();						//System.out.println("已耗时:"+(commitT-start)/1000*60+"分钟");						timer.onTimeUpdate((commitT-start));						//System.out.println("提交一次");						ss.addBeans(pois);//发向SolrServer						ss.commit();						pois.clear();						c++;						i=0;					}else{						i++;					}									}				ss.addBeans(pois);//做最后提交				ss.commit();

  分析:

    1、性能差别主要在哪里?

    答:方案一和方案主要差别在于,方案一访问数据之后直接调用Solr内部UpdateHandler,直接将数据放入索引。而方案二,调用SolrJ索引数据,多了一道网络IO。而且,方案二,在solrj索引之前,先将数据转换为DTO,然后Solrj将DTO转换为SolrInputDocument对象,然后SolrInputDocument对象转换成solr rest 接口所需字符串,中间有多处转换,也存在性能损耗(备注:调用Solrj addBeans批量导入索引的方法是提高性能的方式,如果一个一个的提交,性能会更差,http请求更多)。

    2、怎么优化?

    答:问题一的分析,就是问题二的答案。主要那么多数据实体转换那块,主要遵守:1、使用调用接口尽量简单,使用ResultSet直接转换成SolrInputDocument对象,少一些数据转换。2、使用数组等数据结构,替换掉目前的List<Bean>。

    3、使用Solr EmbededSolrServer直接创建索引是否能提高效率?

    答:经过测试EmbededSolrServer 可以提高索引效率,大约是DIH的一倍多。使用方式如下代码所示: 

  private SolrServer getSolrServer(){    // System.setProperty("solr.solr.home", "R:\\solrhome1\\solr\\POI\\");      CoreContainer coreContainer = new CoreContainer("R:\\solrhome1\\solr\\");     coreContainer.load();//初始化//     while(!coreContainer.isLoaded("POI")){//       System.out.println("loading...");//     }     System.out.println(coreContainer.getAllCoreNames());     server = new EmbeddedSolrServer(coreContainer,"POI");    return server;      }

  (备注:EmbededSolrServer保证程序运行在Solr服务器上,是无法通过http方法的,使用场景通常是两个core,一个用此方法,完成以后,swarp一下这个core,让其对外提供检索服务)

    文章转载,请注明出处:http://www.cnblogs.com/likehua/p/4465514.html