SolrCloud存储数据于HDFS的方法

2023-12-21 17:18
文章标签 数据 方法 存储 solrcloud hdfs

本文主要是介绍SolrCloud存储数据于HDFS的方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. 概述

　　solrCloud数据存储在hdfs上的方法有两种，一是配置solr.in.sh脚本文件，比较简单的一种方式；二是配置solrconfig.xml配置文件， 比较繁琐点，需要更新到zookeeper上。

　　说明：solrcloud部署是按照https://www.cnblogs.com/swordfall/p/11967385.html “Ranger安装部署 - solr安装”进行安装的，故本博文也是在此基础上进行hdfs相关配置的

2. 配置solr.in.sh文件

2.1. 索引数据存储在非HA的hdfs上

配置solr.in.sh文件，该文件位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，修改内容为：

$ vim solr.in.sh
SOLR_OPTS="$SOLR_OPTS \
-Dsolr.directoryFactory=HdfsDirectoryFactory \
-Dsolr.lock.type=hdfs \
-Dsolr.hdfs.home=hdfs://bridge1:9000/solr"

 

解析：

  • solr.directoryFactory=HdfsDirectoryFactory 为固定配置；
  • solr.lock.type=hdfs 为固定配置；
  • solr.hdfs.home=hdfs://bridge1:9000/solr 为指定solr的索引数据在hdfs上的路径。

2.2. 索引数据存储在HA的hdfs上

配置solr.in.sh文件，该文件位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，修改内容为：

$ vim solr.in.sh
SOLR_OPTS="$SOLR_OPTS \
-Dsolr.directoryFactory=HdfsDirectoryFactory \
-Dsolr.lock.type=hdfs \
-Dsolr.hdfs.confdir=/opt/app/hadoop-2.7.5-ha-multi/etc/hadoop \
-Dsolr.hdfs.home=hdfs://bridge/solr"

 

解析：

  • solr.hdfs.confdir=/opt/app/hadoop-2.7.5-ha-multi/etc/hadoop 为hdfs的ha配置路径；
  • solr.hdfs.home=hdfs://bridge/solr 为指定solr的索引数据在hdfs上的路径， bridge为hdfs的ha名。

3. 配置solrconfig.xml文件

3.1. solrconfig.xml配置在非HA与HA的hdfs上

3.1.1. 索引数据存储在非HA的hdfs上

配置solrconfig.xml文件，修改配置文件内容如下：

<dataDir>${solr.data.dir:}</dataDir><directoryFactory name="DirectoryFactory" class="solr.HdfsDirectoryFactory"><str name="solr.hdfs.home">hdfs://bridge1:8020/solr</str><bool name="solr.hdfs.blockcache.enabled">true</bool><int name="solr.hdfs.blockcache.slab.count">1</int><bool name="solr.hdfs.blockcache.direct.memory.allocation">true</bool><int name="solr.hdfs.blockcache.blocksperbank">16384</int><bool name="solr.hdfs.blockcache.read.enabled">true</bool><bool name="solr.hdfs.blockcache.write.enabled">true</bool><bool name="solr.hdfs.nrtcachingdirectory.enable">true</bool><int name="solr.hdfs.nrtcachingdirectory.maxmergesizemb">16</int><int name="solr.hdfs.nrtcachingdirectory.maxcachedmb">192</int>
</directoryFactory><lockType>${solr.lock.type:hdfs}</lockType>

 

解析：

  • ${solr.data.dir:} 为solr的索引数据存储的路径，一般为solr.hdfs.home的路径下面，如hdfs://bridge1:8020/solr/data，这种只适合集合的分片数量为1，即SHARDS，当分片为大于1的时候，将会报错，错误如下：
"192.168.1.11:6083_solr":"org.apache.solr.client.solrj.impl.HttpSolrClient$RemoteSolrException:
Error from server at http://192.168.1.11:6083/solr: 
Error CREATEing SolrCore 'ranger_audits_shard1_replica_n1': Unable to create core [ranger_audits_shard1_replica_n1] 
Caused by: /solr/data/index/write.lock for client 192.168.1.11 already exists\n\tat 
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.startFileInternal(FSNamesystem.java:2584)\n\tat 
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.startFileInt(FSNamesystem.java:2471)\n\tat 
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.startFile(FSNamesystem.java:2355)\n\tat 
org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.create(NameNodeRpcServer.java:624)\n\tat 
org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.create(ClientNamenodeProtocolServerSideTranslatorPB.java:398)\n\tat 
org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)\n\tat 
org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:616)\n\tat 
org.apache.hadoop.ipc.RPC$Server.call(RPC.java:982)\n\tat 
org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2217)\n\tat 
org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2213)\n\tat 
java.security.AccessController.doPrivileged(Native Method)\n\tat 
javax.security.auth.Subject.doAs(Subject.java:422)\n\tat 
org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1754)\n\tat 
org.apache.hadoop.ipc.Server$Handler.run(Server.java:2213)\n"

　　　为了解决上述错误，建议${solr.data.dir:}默认为空，不填。

  • solr.hdfs.home为solr的存储目录
  • solr.lock.type为solr的类型，指定为hdfs

3.1.2.  索引数据存储在HA的hdfs上

配置solrconfig.xml文件，修改配置文件内容如下：

<dataDir>${solr.data.dir:}</dataDir><directoryFactory name="DirectoryFactory" class="solr.HdfsDirectoryFactory">
<str name="solr.hdfs.home">hdfs://bridge1:8020/solr</str>
<str name="solr.hdfs.confdir">/opt/app/hadoop-2.7.5-ha-multi/etc/hadoop</str><bool name="solr.hdfs.blockcache.enabled">true</bool><int name="solr.hdfs.blockcache.slab.count">1</int><bool name="solr.hdfs.blockcache.direct.memory.allocation">true</bool><int name="solr.hdfs.blockcache.blocksperbank">16384</int><bool name="solr.hdfs.blockcache.read.enabled">true</bool><bool name="solr.hdfs.blockcache.write.enabled">true</bool><bool name="solr.hdfs.nrtcachingdirectory.enable">true</bool><int name="solr.hdfs.nrtcachingdirectory.maxmergesizemb">16</int><int name="solr.hdfs.nrtcachingdirectory.maxcachedmb">192</int>
</directoryFactory><lockType>${solr.lock.type:hdfs}</lockType>

 

解析：与非HA模式的配置的差别在于solr.hdfs.confdir

  • solr.hdfs.confdir为指定hdfs的配置路径

3.2. solrconfig.xml文件更新到zookeeper上

solrconfig.xml在本地机器修改，对solr不生效，只有更新到zookeeper上面才生效。这里有个更新脚本add_ranger_audits_conf_to_zk.sh，脚本路径位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，如下：

function usage {echo "Error: The following properties need to be set in the script SOLR_ZK, SOLR_INSTALL_DIR and SOLR_RANGER_HOME"exit 1
}JAVA_HOME=/usr/lib/java/jdk1.8.0_151
SOLR_USER=solr
SOLR_ZK=bridge1:2181,bridge2:2181,bridge3:2181/ranger_audits
SOLR_INSTALL_DIR=/opt/app/ranger-solr-8.3.0-cloud
SOLR_RANGER_HOME=/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_serverif [ "`whoami`" != "$SOLR_USER" ]; thenif [ -w /etc/passwd ]; thenecho "Running this script as $SOLR_USER..."su $SOLR_USER $0elseecho "ERROR: You need to run this script $0 as user $SOLR_USER. You are currently running it as `whoami`"fiexit 1
fiif [ "$SOLR_ZK" = "" ]; thenusage
fiif [ "$SOLR_INSTALL_DIR" = "" ]; thenusage
fiif [ "$SOLR_RANGER_HOME" = "" ]; thenusage
fiSOLR_RANGER_CONFIG_NAME=ranger_audits
SOLR_RANGER_CONFIG_LOCAL_PATH=${SOLR_RANGER_HOME}/conf
ZK_CLI=$SOLR_INSTALL_DIR/server/scripts/cloud-scripts/zkcli.shif [ ! -x $ZK_CLI ]; thenecho "Error: $ZK_CLI is not found or you don't have permission to execute it."exit 1
fi
set -x
$ZK_CLI -cmd upconfig -zkhost $SOLR_ZK -confname $SOLR_RANGER_CONFIG_NAME -confdir $SOLR_RANGER_CONFIG_LOCAL_PATH

 

解析：

  • JAVA_HOME设置JAVA_HOME路径
  • SOLR_USER solr用户
  • SOLR_ZK solr关联的zookeeper
  • SOLR_INSTALL_DIR solr安装目录
  • SOLR_RANGER_HOME solr关于ranger的安装目录
  • SOLR_RANGER_CONFIG_NAME solr的ranger集合名
  • SOLR_RANGER_CONFIG_LOCAL_PATH solrconfig.xml配置文件的路径
  • ZK_CLI zk_cli的路径

 

执行脚本：

$ pwd
/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts
$ ./add_ranger_audits_conf_to_zk.sh

4. solr集合创建脚本

create_ranger_audits_collection.sh，文件位于/opt/app/ranger-solr-8.3.0-cloud/ranger_audit_server/scripts，如下：

SOLR_HOST_URL=http://`hostname -f`:6083
SOLR_ZK=bridge1:2181,bridge2:2181,bridge3:2181/ranger_audits
SOLR_INSTALL_DIR=/opt/app/ranger-solr-8.3.0-cloud
SHARDS=2
REPLICATION=1CONF_NAME=ranger_audits
COLLECTION_NAME=ranger_auditswhich curl 2>&1 > /dev/null
if [ $? -ne 0 ]; thenecho "curl is not found. Please install it for creating the collection"exit 1
fiset -x
curl --negotiate -u : "${SOLR_HOST_URL}/solr/admin/collections?action=CREATE&name=${COLLECTION_NAME}&numShards=${SHARDS}&replicationFactor=${REPLICATION}&collection.configName=$CONF_NAME&maxShardsPerNode=100"

 

这里建议：由于数据存储在hdfs上，hdfs已有副本机制。故solr的副本REPLICATION设置为1，避免冗余。

解析：

  • SHARDS 分片根据部署的机器数量配置

5. solrconfig.xml文件是否更新成功检测

登录solr admin的网址，查看solr状态，如下，则成功将存储数据转移到hdfs上。

总结

【参考资料】

https://www.jianshu.com/p/026b5641786c Solr7.3 Cloud On HDFS搭建

https://lucene.apache.org/solr/guide/7_3/running-solr-on-hdfs.html

这篇关于SolrCloud存储数据于HDFS的方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/520843。

相关文章

大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
基于MySQL Binlog的Elasticsearch数据同步实践

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展，我们的业务数据越来越多，单纯使用 MySQL 已经不能满足我们的数据查询需求，例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后，随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步，我们目前的解决方案是建立数据中间表。把需要检索的业务数据，统一放到一张M
阅读更多...
关于数据埋点，你需要了解这些基本知识

关于数据埋点，你需要了解这些基本知识

产品汪每天都在和数据打交道，你知道数据来自哪里吗？ 移动app端内的用户行为数据大多来自埋点，了解一些埋点知识，能和数据分析师、技术侃大山，参与到前期的数据采集，更重要是让最终的埋点数据能为我所用，否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式，可以区分为： 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理：自动程度高的，能解决通用统计，便于统一化管理，但个性化定
阅读更多...
使用SecondaryNameNode恢复NameNode的数据

使用SecondaryNameNode恢复NameNode的数据

1）需求： NameNode进程挂了并且存储的数据也丢失了，如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2）故障模拟 （1）kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 （2）删除NameNode存储的数据（/opt/module/hadoop-3.1.4/data/tmp/dfs/na
阅读更多...
异构存储（冷热数据分离）

异构存储（冷热数据分离）

异构存储主要解决不同的数据，存储在不同类型的硬盘中，达到最佳性能的问题。 异构存储Shell操作 （1）查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies （2）为指定路径（数据存储目录）设置指定的存储策略 hdfs storagepolicies -setStoragePo
阅读更多...
HDFS—存储优化（纠删码）

HDFS—存储优化（纠删码）

纠删码原理 HDFS 默认情况下，一个文件有3个副本，这样提高了数据的可靠性，但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码，采用计算的方式，可以节省约50％左右的存储空间。 此种方式节约了空间，但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件，都会执行此策略。 默认只开启对 RS-6-3-1024k
阅读更多...
HDFS—集群扩容及缩容

HDFS—集群扩容及缩容

白名单：表示在白名单的主机IP地址可以，用来存储数据。 配置白名单步骤如下： 1）在NameNode节点的/opt/module/hadoop-3.1.4/etc/hadoop目录下分别创建whitelist 和blacklist文件 （1）创建白名单 [lytfly@hadoop102 hadoop]$ vim whitelist 在whitelist中添加如下主机名称，假如集群正常工作的节
阅读更多...
Hadoop集群数据均衡之磁盘间数据均衡

Hadoop集群数据均衡之磁盘间数据均衡

生产环境，由于硬盘空间不足，往往需要增加一块硬盘。刚加载的硬盘没有数据时，可以执行磁盘数据均衡命令。（Hadoop3.x新特性） plan后面带的节点的名字必须是已经存在的，并且是需要均衡的节点。 如果节点不存在，会报如下错误： 如果节点只有一个硬盘的话，不会创建均衡计划： （1）生成均衡计划 hdfs diskbalancer -plan hadoop102 （2）执行均衡计划 hd
阅读更多...
【C++】_list常用方法解析及模拟实现

【C++】_list常用方法解析及模拟实现

相信自己的力量，只要对自己始终保持信心，尽自己最大努力去完成任何事，就算事情最终结果是失败了，努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一：什么是list？ •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二：list常用接口 •🌰1.默认成员函数 🔥构造函数（⭐） 🔥析构函数 •🌰2.list对象
阅读更多...
【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯，先赞后看哦~🎈🎈 🏆 作者简介：景天科技苑 🏆《头衔》：大厂架构师，华为云开发者社区专家博主，阿里云开发者社区专家博主，CSDN全栈领域优质创作者，掘金优秀博主，51CTO博客专家等。 🏆《博客》：Python全栈，前后端开发，小程序开发，人工智能，js逆向，App逆向，网络系统安全，数据分析，Django，fastapi
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2