這篇文章主要介紹了python 動態遷移solr數據過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
前言
上項目的時候,遇見一次需求,需要把在線的 其中一個 collection 裏面的數據遷移到另外一個collection下,於是就百度了看到好多文章,其中大部分都是使用導入的方法,沒有找到在線數據的遷移方法。於是寫了python腳本,分享出來。
思路: collection數據量比較大,所以一次性操作所有數據太大,於是分段執行操作。
先分段 按1000條數據量進行查詢,處理成json數據
把處理後的json數據 發送到目的collection上即可
實現:
一、使用http的接口先進行查詢
使用如下格式查詢:
其中:collection_name 是你查詢的collection的名稱
rows 是需要查詢多少行,這裏設置爲1000
start 從多少行開始進行查詢,待會兒腳本里面就是控制這個參數進行循環查詢
http://host:port/solr/collection_name/select?q=*:*&rows=1000&start=0
查詢處理後會得到如下圖片裏面的數據格式,其中
在response裏面,有兩個鍵值數據是我們需要的,一個是numFound(總的數據條數),docs(所有json數據都在這裏面)
在docs裏面,每條數據都帶有version 鍵值,這個需要給去掉
二、使用http的接口提交數據
wt:使用json格式提交
http://host:port/solr/collection_name/update?wt=json
header 需設置爲 {"Content-Type": "application/json"}
提交參數:solr在做索引的時候,如果文檔已經存在,就替換。(這裏的參數也可以直接加到url裏面)
{"overwrite":"true","commit":"true"}
data_dict 就是我們處理後的 docs數據
提交數據:data={"add":{ "doc":data_dict}}
三、實現的腳本如下:
#coding=utf-8 import requests as r import json import threading import time #發送數據到目的url des_url,data_dict 參數爲去掉version鍵值後的一條字典數據 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("導入出錯",data) #獲取數據,調用send_data 發送數據到目的url def get_data(des_url,src_url): #定義起始行 start = 0 #先獲取到總的數據條數 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循環,1000條數據爲一個循環 while start < numFound: #定義存放多線程的列表 th_li = [] #獲取1000條數據 se_data=r.get("%s/select?q=*:*&rows=1000&start=%s"%(src_url,start)).text #把獲取的數據轉換成字典 se_dict = json.loads(se_data) #獲取數據裏的docs數據 s_data = (se_dict["response"]["docs"]) #循環得到的數據,刪除 version鍵值,並使用多線程調用send_data 方法發送數據 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__": #源數據,查詢數據的collection地址 src_url = "http://ip:port/solr/src_connection" #導入數據導目的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("耗時:",end_time-start_time,"秒")
備註:
一、如果你的collection 不在同一個網絡,不能實現在線傳輸,可以先把for循環 刪除了version鍵值的數據,寫入一個文件中,然後copy到目的網絡的服務器上,循環讀取文件進行上傳,如下寫入文件(這個就根據各位大佬的喜好來寫了),但讀取後,需要把每一條數據都轉換成字典進行上傳:
file = open("solr.json","a+") for i in s_data: del i["version"] file.write(str(i)+"\n") file.close()
二、清除數據可使用一下方法,自測比較方便的一種
在你要清除collection裏面
選擇 documents
document type 選擇xml
將一下內容複製到如圖位置,最後點擊submit document 按鈕即可
#控制web界面刪除數據 <delete><query>:</query></delete> <commit/>
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持神馬文庫。