python 动态迁移solr数据
上项目的时候，遇见一次需求，需要把在线的 其中一个 collection 里面的数据迁移到另外一个collection下，于是就百度了看到好多文章，其中大部分都是使用导入的方法，没有找到在线数据的迁移方法。于是写了python脚本，分享出来。 思路： collection数据量比较大，所以一次性操作所有数据太大，于是分段执行操作。 先分段 按1000条数据量进行查询，处理成json数据 把处理后的json数据 发送到目的collection上即可 实现:一、使用http的接口先进行查询 使用如下格式查询：其中：collection_name 是你查询的collection的名称rows 是需要查询多少行，这里设置为1000start 从多少行开始进行查询，待会儿脚本里面就是控制这个参数进行循环查询http://host:port/solr/collection_name/select?q=*:*&rows=1000&start=0 查询处理后会得到如下图片里面的数据格式，其中在response里面，有两个键值数据是我们需要的，一个是numFound（总的数据条数），docs（所有json数据都在这里面） 在docs里面，每条数据都带有version 键值，这个需要给去掉 二、使用http的接口提交数据wt：使用json格式提交http://host:port/solr/collection_name/update?wt=json header 需设置为 {"Content-Type": "application/json"} 提交参数：solr在做索引的时候，如果文档已经存在，就替换。（这里的参数也可以直接加到url里面）{"overwrite":"true","commit":"true"} data_dict 就是我们处理后的 docs数据提交数据：data={"add":{ "doc":data_dict}} 三、实现的脚本如下： #coding=utf-8 import requests as r import json import threading import time #发送数据到目的url des_url，data_dict 参数为去掉version键值后的一条字典数据 def send_data(des_url,data_dict): data={"add":{ "doc":data_dict}} headers = {"Content-Type": "application/json"} params = {"boost":1.0,"overwrite":"true","&commitWithin":1000,"commit":"true"} url = "%s/update?wt=json"%(des_url) re = r.post(url,json = data,params=params,headers=headers) if re.status_code != 200: print("导入出错",data) #获取数据，调用send_data 发送数据到目的url def get_data(des_url,src_url): #定义起始行 start = 0 #先获取到总的数据条数 se_data=r.get("%s/select?q=*:*&rows=0&start=%s"%(src_url,start)).text se_dict = json.loads(se_data) numFound = int(se_dict["response"]["numFound"]) #while循环，1000条数据为一个循环 while start < numFound: #定义存放多线程的列表 th_li = [] #获取1000条数据 se_data=r.get("%s/select?q=*:*&rows=1000&start=%s"%(src_url,start)).text #把获取的数据转换成字典 se_dict = json.loads(se_data) #获取数据里的docs数据 s_data = (se_dict["response"]["docs"]) #循环得到的数据，删除 version键值，并使用多线程调用send_data 方法发送数据 for i in s_data: del i["_version_"] th = threading.Thread(target=send_data,args=(des_url,i)) th_li.append(th) for t in th_li: t.start() t.join() start += 1000 print(start) if __name__ == "__main__": #源数据，查询数据的collection地址 src_url = "http://ip:port/solr/src_connection" #导入数据导目的collection 的地址 des_url = "http://ip:port/solr/des_connection" start_time = time.time() get_data(des_url,src_url) end_time = time.time() print("耗时：",end_time-start_time,"秒") 备注：一、如果你的collection 不在同一个网络，不能实现在线传输，可以先把for循环 删除了version键值的数据，写入一个文件中，然后copy到目的网络的服务器上，循环读取文件进行上传,如下写入文件（这个就根据各位大佬的喜好来写了），但读取后，需要把每一条数据都转换成字典进行上传：file = open("solr.json","a+")for i in s_data:del i["version"]file.write(str(i)+"\n")file.close() 二、清除数据可使用一下方法，自测比较方便的一种在你要清除collection里面 选择 documents document type 选择xml 将一下内容复制到如图位置，最后点击submit document 按钮即可#控制web界面删除数据<delete><query>:</query></delete><commit/>
