欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python 動(dòng)態(tài)遷移solr數(shù)據(jù)過程解析

 更新時(shí)間：2019年09月04日 09:49:33   作者：1066897515  
這篇文章主要介紹了python 動(dòng)態(tài)遷移solr數(shù)據(jù)過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

前言

上項(xiàng)目的時(shí)候，遇見一次需求，需要把在線的 其中一個(gè) collection 里面的數(shù)據(jù)遷移到另外一個(gè)collection下，于是就百度了看到好多文章，其中大部分都是使用導(dǎo)入的方法，沒有找到在線數(shù)據(jù)的遷移方法。于是寫了python腳本，分享出來。

思路： collection數(shù)據(jù)量比較大，所以一次性操作所有數(shù)據(jù)太大，于是分段執(zhí)行操作。

先分段 按1000條數(shù)據(jù)量進(jìn)行查詢，處理成json數(shù)據(jù)

把處理后的json數(shù)據(jù) 發(fā)送到目的collection上即可

實(shí)現(xiàn):

一、使用http的接口先進(jìn)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，這里設(shè)置為1000

start 從多少行開始進(jìn)行查詢，待會(huì)兒腳本里面就是控制這個(gè)參數(shù)進(jìn)行循環(huán)查詢

http://host:port/solr/collection_name/select?q=*:*&rows=1000&start=0

查詢處理后會(huì)得到如下圖片里面的數(shù)據(jù)格式，其中

在response里面，有兩個(gè)鍵值數(shù)據(jù)是我們需要的，一個(gè)是numFound（總的數(shù)據(jù)條數(shù)），docs（所有json數(shù)據(jù)都在這里面）

在docs里面，每條數(shù)據(jù)都帶有version 鍵值，這個(gè)需要給去掉


二、使用http的接口提交數(shù)據(jù)

wt：使用json格式提交

http://host:port/solr/collection_name/update?wt=json

header 需設(shè)置為 {"Content-Type": "application/json"}

提交參數(shù)：solr在做索引的時(shí)候，如果文檔已經(jīng)存在，就替換。（這里的參數(shù)也可以直接加到url里面）

{"overwrite":"true","commit":"true"}

data_dict 就是我們處理后的 docs數(shù)據(jù)

提交數(shù)據(jù)：data={"add":{ "doc":data_dict}}

三、實(shí)現(xiàn)的腳本如下：

#coding=utf-8
import requests as r
import json
import threading
import time
#發(fā)送數(shù)據(jù)到目的url des_url，data_dict 參數(shù)為去掉version鍵值后的一條字典數(shù)據(jù)
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(dǎo)入出錯(cuò)",data)

#獲取數(shù)據(jù)，調(diào)用send_data 發(fā)送數(shù)據(jù)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(shù)據(jù)條數(shù)
 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(huán)，1000條數(shù)據(jù)為一個(gè)循環(huán)
 while start < numFound:
  #定義存放多線程的列表
  th_li = []
    #獲取1000條數(shù)據(jù)
  se_data=r.get("%s/select?q=*:*&rows=1000&start=%s"%(src_url,start)).text
    #把獲取的數(shù)據(jù)轉(zhuǎn)換成字典
  se_dict = json.loads(se_data)
    #獲取數(shù)據(jù)里的docs數(shù)據(jù)
  s_data = (se_dict["response"]["docs"])

  #循環(huán)得到的數(shù)據(jù)，刪除 version鍵值，并使用多線程調(diào)用send_data 方法發(fā)送數(shù)據(jù)
  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(shù)據(jù)，查詢數(shù)據(jù)的collection地址
 src_url = "http://ip:port/solr/src_connection"
 #導(dǎo)入數(shù)據(jù)導(dǎo)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(shí)：",end_time-start_time,"秒")

備注：

一、如果你的collection 不在同一個(gè)網(wǎng)絡(luò)，不能實(shí)現(xiàn)在線傳輸，可以先把for循環(huán) 刪除了version鍵值的數(shù)據(jù)，寫入一個(gè)文件中，然后copy到目的網(wǎng)絡(luò)的服務(wù)器上，循環(huán)讀取文件進(jìn)行上傳,如下寫入文件（這個(gè)就根據(jù)各位大佬的喜好來寫了），但讀取后，需要把每一條數(shù)據(jù)都轉(zhuǎn)換成字典進(jìn)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(shù)據(jù)可使用一下方法，自測比較方便的一種

在你要清除collection里面

選擇 documents

document type 選擇xml

將一下內(nèi)容復(fù)制到如圖位置，最后點(diǎn)擊submit document 按鈕即可

#控制web界面刪除數(shù)據(jù)
<delete><query>:</query></delete>
<commit/>

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

相關(guān)文章

最新評論