使用SolrJ索引DB文档时，避免Solr

中的重复文档，我能够发现Solr（5.2.1）中存在重复的文档。我想避免重复，并根据“id”字段重写文档。用我的谷歌搜索，“重复数据删除”对重复是有用的，所以我将它应用到solrconfig.xml中，但遗憾的是它没有工作。使用SolrJ索引DB文档时，避免Solr

if there are two same documents then rewrite with latest one. for example, 
    "id" = 750000 "title" = here I am 
    "id" = 750000 "title" = here you are 
hence, final result would be "id" =750000 "title" = here you are 

    //here is my part of schema.xml 

    <field name="id" type="long" indexed="true" stored="true" required="true"/> 
    <field name="title" type="string" indexed="true" stored="true" required="true" /> 
    <field name="unique_id" type="string" multiValued="false" indexed="true" required="false" stored="true" 
    <uniqueKey>unique_id</uniqueKey> 

    //below code is solrconfig.xml 

    <updateRequestProcessorChain name="dedupe"> 

    <processor class="solr.processor.SignatureUpdateProcessorFactory"> 
     <bool name="enabled">true</bool> 
     <str name="signatureField">id</str> 
     <bool name="overwriteDupes">true</bool> 
     <str name="fields">id</str> 
     <str name="signatureClass">solr.processor.TextProfileSignature</str> 
     </processor> 

     <processor class="solr.LogUpdateProcessorFactory" /> 
     <processor class="solr.RunUpdateProcessorFactory" /> 
    </updateRequestProcessorChain> 

need your kind advice. 

below code is core parts of my indexing programe with SolrJ (edited on 2015.05.08) 

SolrClient solr = new HttpSolrClient(urlArray[i]); //localhost:8983/solr/#/core_name[i] 
     String id; 
     SolrInputDocument doc = new SolrInputDocument(); 
     UpdateResponse response; 
     String[] array; 

     for (Map.Entry<String,Object> entry : list.get(i).entrySet()) { // get my DB values such as id, title ,description... 

     array = String.valueOf(entry.getValue()).split(","); // split DB values depend on "," 
     id = entry.getKey(); 
     doc.addField("id", entry.getKey()); // unique id 
     doc.addField("title", array[1]); 

     doc.addField("link", array[2]); 
     doc.addField("description", array[3]); 
     response = solr.add(doc); 

     doc.clear(); 

     } 

     solr.commit(); 
     solr.close();

来源

2016-05-04 Jin Park

尝试此操作并检查，在模式文件中将此过滤器添加到您的多字段字段类型定义中 – vinod

要将uniqueKey或unique_id作为uniqueKey ...吗？ –

你可以发布索引你的文件在SolrJ（java代码）的代码 –

一定要改变你的更新处理程序（您在SolrJ使用的）使用定义的链（你的情况“重复数据删除”）

<requestHandler name="/update" class="solr.UpdateRequestHandler" > 
    <lst name="defaults"> 
    <str name="update.chain">dedupe</str> 
    </lst> 
... 
</requestHandler>

在这个网址看看https://cwiki.apache.org/confluence/display/solr/De-Duplication

来源

2016-05-04 13:06:57

谢谢你的亲切帮助。我能够通过您的建议解决问题。 –

我很高兴你找到了解决方案！ –

使用SolrJ索引DB文档时，避免Solr

回答

相关问题