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.ClassPathXmlApplicationContext;
import org.springframework.util.StringUtils;
import com.tianditu.search.v2.POI;

public class ImportPOI implements IJobDef{

	private SolrServer server;
	private DatasourceConfig jdbcConfig;
	private SolrConfig solrConfig;
	private POIImportConfig poiConfig;
	
	public DatasourceConfig getJdbcConfig() {
		return jdbcConfig;
	}
	public void setJdbcConfig(DatasourceConfig jdbcConfig) {
		this.jdbcConfig = jdbcConfig;
	}
	public SolrConfig getSolrConfig() {
		return solrConfig;
	}
	public void setSolrConfig(SolrConfig solrConfig) {
		this.solrConfig = solrConfig;
	}
	public POIImportConfig getPoiConfig() {
		return poiConfig;
	}
	public void setPoiConfig(POIImportConfig poiConfig) {
		this.poiConfig = poiConfig;
	}
	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		ApplicationContext context = new ClassPathXmlApplicationContext("app-spring.xml");
		ImportPOI importTool = (ImportPOI) context.getBean("importPOITool");
		importTool.submit(new JobDoneCallBack() {
			
			public void onCallback(JobStatus status) {
				// TODO Auto-generated method stub
				System.out.println(status.getStatus());
				System.out.println(status.getMessage());
			}
		},new JobTimer() {
			
			public void onTimeUpdate(long timeCost) {
				// TODO Auto-generated method stub
				System.out.println("solr提交一次,距任务开始已耗时:"+timeCost/(1000*60)+"分钟");
				
			}
		});

	}
	public SolrServer getServer() {
		return server;
	}
	public void setServer(SolrServer server) {
		this.server = server;
	}
	
	public boolean importPOI(HashMap<String, Object> params){
		return false;
		
	}
	
	
	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;
	};
	public void submit(JobDoneCallBack callback,JobTimer timer) {

		if(solrConfig==null){
			throw new IllegalArgumentException("SolrJ未正确配置.");
		}
		
		if(jdbcConfig == null){
			
			throw new IllegalArgumentException("JDBC未正确配置.");
		}
		
		if(poiConfig == null){
			throw new IllegalArgumentException("POI配置文件未正确配置.");
		}
		
		Connection con = null;
		Statement pst = null;
		ResultSet rs = null;
		
		SolrServer  ss = null;
		
		JobStatus status = new JobStatus();
		status.setName("ImportPOI");
		status.setStatus("failure");
		
		int i = 0;
		int c = 0;
		long start = System.currentTimeMillis();
		try {
				
				Class.forName(jdbcConfig.getDriverClass()).newInstance();
				con = DriverManager.getConnection(jdbcConfig.getUrl(), jdbcConfig.getUserName(), jdbcConfig.getPassWord());
				
				int batchSize = Integer.valueOf(poiConfig.getImportRecordSize());
				ss = new HttpSolrServer(solrConfig.getSolrUrl());
				if(poiConfig.isDeleteOnstartup()){
					ss.deleteByQuery("*:*");
					ss.commit();
				}
				if(jdbcConfig.getDriverClass().toString().contains("mysql")){//mysql
					pst =  (com.mysql.jdbc.Statement) con.createStatement(ResultSet.FETCH_FORWARD,ResultSet.CONCUR_READ_ONLY);
					pst.setFetchSize(1);
					((com.mysql.jdbc.Statement) pst).enableStreamingResults();
				}else{
					pst =  con.createStatement();
				}
				
				rs = pst.executeQuery(poiConfig.getImportSQL());
				
				POI p = null;
				
				List<POI> pois = new ArrayList<POI>();
				
				while(rs.next()){
					
					p = getPOI(rs);
					
					//ss.addBean(p);
					pois.add(p);
					if(i>=batchSize){
						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);
						ss.commit();
						pois.clear();
						c++;
						i=0;
					}else{
						i++;
					}
					
				}
				ss.addBeans(pois);
				ss.commit();
				long end = System.currentTimeMillis();
				status.setStatus("success");
				status.setMessage("处理成功,总耗时:"+(end-start)/1000*60+"分钟");
				status.setTimeCost((end-start)/1000*60);

		} catch (SQLException e) {
			// TODO Auto-generated catch block
			//e.printStackTrace();
			status.setMessage(e.toString());
		} catch (ClassNotFoundException e) {
			// TODO Auto-generated catch block
			//e.printStackTrace();
			status.setMessage(e.toString());
		} catch (InstantiationException e) {
			// TODO Auto-generated catch block
			//e.printStackTrace();
			status.setMessage(e.toString());
		} catch (IllegalAccessException e) {
			// TODO Auto-generated catch block
			//e.printStackTrace();
			status.setMessage(e.toString());
		} catch (SolrServerException e) {
			// TODO Auto-generated catch block
			//e.printStackTrace();
			status.setMessage(e.toString());
		} catch (IOException e) {
			// TODO Auto-generated catch block
			//e.printStackTrace();
			status.setMessage(e.toString());
		}finally{
			

			try {
				if(rs!=null){
				rs.close();
				}
			} catch (SQLException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			
			}
			try {
				if(pst!=null)pst.close();
			} catch (SQLException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}
			try {
				if(con!=null)
				con.close();
			} catch (SQLException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}
			
			if(callback!=null){
				callback.onCallback(status);
			}
		}
		//return false;
	};
	
	

}

　　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