Solr4.8.0源码分析(16)之SolrCloud索引深入(3)
前面两节学习了SolrCloud索引过程以及索引链的前两步，LogUpdateProcessorFactory和DistributedUpdateProcessor。本节将详细介绍了索引链的第三步DirectUpdateHandler2和UpdateLog。
1. DirectUpdateHandler2.ADD
DirectUpdateHandler2过程包含了Solr到Lucene的索引过程，在整个索引链中是最复杂也最重要的过程。首先，我们来查看在Solrconfig.xml中关于DirectUpdateHandler2的配置。
1 40 <updateHandler class="solr.DirectUpdateHandler2">
2 41
3 42
4 43 <autoCommit>
5 44 <maxTime>${solr.autoCommit.maxTime:15000}</maxTime>
6 45 <maxDocs>${solr.autoCommit.maxDocs:25000}</maxDocs>
7 46 <openSearcher>false</openSearcher>
8 47 </autoCommit>
9 48
10 49 <autoSoftCommit>
11 50 <maxTime>${solr.autoSoftCommit.maxTime:-1}</maxTime>
12 51 <maxDocs>${solr.autoSoftCommit.maxDocs:1000}</maxDocs>
13 52 </autoSoftCommit>
14 53
15 54 </updateHandler>
从上面中可以看出几个主要的参数：autoCommit和autoSoftCommit
- autoCommit，硬提交，Solr和Lucene原本存在的commit方式，负责把索引内容刷入磁盘，需要重新打开searcher，所以比较费性能。刷入磁盘后，Solr/Lucene对这部分内容可见可查。
- autoSoftCommit，软提交，这是Solr新增的commit方式，Lucene没有。软提交负责将索引内容在内存中生成segment，并使得索引内容对Solr可见可查，该提交方式是autoCommit的改善方式，保证了Solr的实时性同时又兼顾了性能。在进行softcommit过程中需要进行预热(即将现在状态的searcher复制到新的searcher中，保证了旧的softcommit数据不丢失)，虽然没有重新打开searcher那么费性能，但是预热频率过快还是会影响solr的性能。
- 以上两种是Solr自动触发的commit方式，他们都有两个参数maxTime和maxDocs分别表示两个参数的极限，当距离前一次commit maxTime时间后或者内存中的document数量到达maxDocs时候就会触发commit(autoCommit和autoSoftCommit)。相比于前两种，还有另外一种方式即客户端主动commit，该方式由客户端控制。
- 最后openSearcher配置表示进行autocommit时候是否重新打开searcher，如果autocommit频繁又将openSearcher设置为true，那么solr的性能压力会非常大。一般将autocommit的maxTime和maxDocs设的相对大点，对应的softcommit的设置小点，这样即保证了性能又保证了实时性，当然具体的值需要根据索引的频率以及document的大小综合考虑。
前面简要介绍了autoCommit和autoSoftCommit，这部分内容网上较多，本文就不具体介绍了。接下来着重介绍DirectUpdateHandler2的流程。
上一节讲到DirectUpdateHandler2是在DistributedUpdateProcessor过程中的versionadd中进行调用。以add过程为例，RunUpdateProcessorFactory.processAdd()
1 public void processAdd(AddUpdateCommand cmd) throws IOException {
2
3 if (DistributedUpdateProcessor.isAtomicUpdate(cmd)) {
4 throw new SolrException
5 (SolrException.ErrorCode.BAD_REQUEST,
6 "RunUpdateProcessor has recieved an AddUpdateCommand containing a document that appears to still contain Atomic document update operations, most likely because DistributedUpdateProcessorFactory was explicitly disabled from this updateRequestProcessorChain");
7 }
8
9 updateHandler.addDoc(cmd);
10 super.processAdd(cmd);
11 changesSinceCommit = true;
12 }
接着来查看下addDoc0(),该函数包括了DirectUpdateHandler2的add全过程。代码逻辑比较简单，只需要注意以下几点即可：
- cmd.overwrite，是否会覆盖原先记录。如果传入的cmd中没有unique_id域，那么说明Solr索引中没有采用自定义的unique_id，因此就不会进行覆盖相同unique_id域的记录了。可以在schema.xml中进行设置unique_id域，如果设了该域，一旦新记录的该域值与旧的记录相同，它就会删除旧的记录。经过本人测试，没有unique_id的建索引速度是有unique_id的两到三倍，但是没有unique_id时候需要考虑数据的冗余性，查询时有可能会出现多条相同结果。
- deletesAfter=ulog.getDBQNewer(cmd.version);获取ulog中delete by query的日志，并对这些数据进行删除。
- add的先后顺序是先进行writer.updateDocument()将数据写入Lucene的索引中，后将记录写入uLog中(ulog.add(cmd))。这样更好的保证了数据一致性。
- 关于writer.updateDocument()由于涉及到Lucene的索引建立过程了，在后面单独进行学习。
1 private int addDoc0(AddUpdateCommand cmd) throws IOException {
2 int rc = -1;
3 RefCounted<IndexWriter> iw = solrCoreState.getIndexWriter(core);
4 try {
5 IndexWriter writer = iw.get();
6 addCommands.incrementAndGet();
7 addCommandsCumulative.incrementAndGet();
8
9 // if there is no ID field, don't overwrite
10 if (idField == null) {
11 cmd.overwrite = false;
12 }
13
14 try {
15 IndexSchema schema = cmd.getReq().getSchema();
16
17 if (cmd.overwrite) {
18
19 // Check for delete by query commands newer (i.e. reordered). This
20 // should always be null on a leader
21 List<UpdateLog.DBQ> deletesAfter = null;
22 if (ulog != null && cmd.version > 0) {
23 deletesAfter = ulog.getDBQNewer(cmd.version);
24 }
25
26 if (deletesAfter != null) {
27 log.info("Reordered DBQs detected. Update=" + cmd + " DBQs="
28 + deletesAfter);
29 List<Query> dbqList = new ArrayList<>(deletesAfter.size());
30 for (UpdateLog.DBQ dbq : deletesAfter) {
31 try {
32 DeleteUpdateCommand tmpDel = new DeleteUpdateCommand(cmd.req);
33 tmpDel.query = dbq.q;
34 tmpDel.version = -dbq.version;
35 dbqList.add(getQuery(tmpDel));
36 } catch (Exception e) {
37 log.error("Exception parsing reordered query : " + dbq, e);
38 }
39 }
40
41 addAndDelete(cmd, dbqList);
42 } else {
43 // normal update
44
45 Term updateTerm;
46 Term idTerm = new Term(cmd.isBlock() ? "_root_" : idField.getName(), cmd.getIndexedId());
47 boolean del = false;
48 if (cmd.updateTerm == null) {
49 updateTerm = idTerm;
50 } else {
51 // this is only used by the dedup update processor
52 del = true;
53 updateTerm = cmd.updateTerm;
54 }
55
56 if (cmd.isBlock()) {
57 writer.updateDocuments(updateTerm, cmd, schema.getAnalyzer());
58 } else {
59 Document luceneDocument = cmd.getLuceneDocument();
60 // SolrCore.verbose("updateDocument",updateTerm,luceneDocument,writer);
61 writer.updateDocument(updateTerm, luceneDocument, schema.getAnalyzer());
62 }
63 // SolrCore.verbose("updateDocument",updateTerm,"DONE");
64
65 if (del) { // ensure id remains unique
66 BooleanQuery bq = new BooleanQuery();
67 bq.add(new BooleanClause(new TermQuery(updateTerm),
68 Occur.MUST_NOT));
69 bq.add(new BooleanClause(new TermQuery(idTerm), Occur.MUST));
70 writer.deleteDocuments(bq);
71 }
72
73 // Add to the transaction log *after* successfully adding to the
74 // index, if there was no error.
75 // This ordering ensures that if we log it, it's definitely been
76 // added to the the index.
77 // This also ensures that if a commit sneaks in-between, that we
78 // know everything in a particular
79 // log version was definitely committed.
80 if (ulog != null) ulog.add(cmd);
81 }
82
83 } else {
84 // allow duplicates
85 if (cmd.isBlock()) {
86 writer.addDocuments(cmd, schema.getAnalyzer());
87 } else {
88 writer.addDocument(cmd.getLuceneDocument(), schema.getAnalyzer());
89 }
90
91 if (ulog != null) ulog.add(cmd);
92 }
93
94 if ((cmd.getFlags() & UpdateCommand.IGNORE_AUTOCOMMIT) == 0) {
95 if (commitWithinSoftCommit) {
96 commitTracker.addedDocument(-1);
97 softCommitTracker.addedDocument(cmd.commitWithin);
98 } else {
99 softCommitTracker.addedDocument(-1);
100 commitTracker.addedDocument(cmd.commitWithin);
101 }
102 }
103
104 rc = 1;
105 } finally {
106 if (rc != 1) {
107 numErrors.incrementAndGet();
108 numErrorsCumulative.incrementAndGet();
109 } else {
110 numDocsPending.incrementAndGet();
111 }
112 }
113
114 } finally {
115 iw.decref();
116 }
117
118 return rc;
119 }
2. UpdateLog.ADD
UpdateLog的add也比较简单，主要分为三步：
- 检查update log有没有生成。同样需要说明，Updatelog是Solr的概念，在Lucene并没有出现，它在solrconfig.xml中进行配置，设置索引库更新日志，默认路径为solr home下面的data/tlog。如果没有ulog文件，那么就会重新生成一个.
1 <updateLog>
2 <str name="dir">${solr.ulog.dir:}</str>
3 </updateLog>
- 开始写入ulog日志文件中，pos= tlog.write(cmd, operationFlags);该过程调用了TransactionLog的write接口，这在下一小节具体介绍。
- 将update的内容再写入map结构中，存放于内存。
3. TransactionLog
咋一看会觉得DirectUpdateHandler2的add过程比较简单，但是当add与commit以及updatelog recovering合并在一起，这个过程就变得比较复杂。本节先介绍updatelog的最小单位transactionLog.
- TransactionLog是一个tlog文件，UpdateLog是多个tlog文件的集合，它更多的指的时tLog目录。
- TransactionLog的文件命名格式如下：列入tlog.00000000000000000001
1 public static String LOG_FILENAME_PATTERN = "%s.%019d";
2 String newLogName = String.format(Locale.ROOT, LOG_FILENAME_PATTERN, TLOG_NAME, id);
- TransactionLog的文件格式可以通过写文件的过程查看，注意这里的strings存放的是域，比如titile,author,content,那么后续存放document的值也是按这个顺序存放的，具有一一对应的关系。文件结构比较简单，可以从以下代码中了解。
1 protected void writeLogHeader(LogCodec codec) throws IOException {
2 long pos = fos.size();
3 assert pos == 0;
4
5 Map header = new LinkedHashMap<String,Object>();
6 header.put("SOLR_TLOG",1); // a magic string + version number
7 header.put("strings",globalStringList);
8 codec.marshal(header, fos);
9
10 endRecord(pos);
11 }
1 public long write(AddUpdateCommand cmd, int flags) {
2 LogCodec codec = new LogCodec(resolver);
3 SolrInputDocument sdoc = cmd.getSolrInputDocument();
4
5 try {
6 //写header信息
7 checkWriteHeader(codec, sdoc);
8
9 // adaptive buffer sizing
10 int bufSize = lastAddSize; // unsynchronized access of lastAddSize should be fine
11 bufSize = Math.min(1024*1024, bufSize+(bufSize>>3)+256);
12
13 MemOutputStream out = new MemOutputStream(new byte[bufSize]);
14 codec.init(out);
15 //写tag
16 codec.writeTag(JavaBinCodec.ARR, 3);
17 //写update类型
18 codec.writeInt(UpdateLog.ADD | flags); // should just take one byte
19 //写version信息
20 codec.writeLong(cmd.getVersion());
21 //写document
22 codec.writeSolrInputDocument(cmd.getSolrInputDocument());
23 lastAddSize = (int)out.size();
24
25 synchronized (this) {
26 long pos = fos.size(); // if we had flushed, this should be equal to channel.position()
27 assert pos != 0;
28
29 /***
30 System.out.println("###writing at " + pos + " fos.size()=" + fos.size() + " raf.length()=" + raf.length());
31 if (pos != fos.size()) {
32 throw new RuntimeException("ERROR" + "###writing at " + pos + " fos.size()=" + fos.size() + " raf.length()=" + raf.length());
33 }
34 ***/
35
36 out.writeAll(fos);
37 endRecord(pos);
38 // fos.flushBuffer(); // flush later
39 return pos;
40 }
41
42 } catch (IOException e) {
43 // TODO: reset our file pointer back to "pos", the start of this record.
44 throw new SolrException(SolrException.ErrorCode.SERVER_ERROR, "Error logging add", e);
45 }
46 }
- TransactionLog的创建是在每次update操作(add,delete或者deletebyquery)开始时，每当接收到update操作时候，Solr会去判断是否已有当前id的tlog文件，如果没有则新建新的当前id的tlog文件。
1 protected void ensureLog() {
2 if (tlog == null) {
3 String newLogName = String.format(Locale.ROOT, LOG_FILENAME_PATTERN, TLOG_NAME, id);
4 tlog = new TransactionLog(new File(tlogDir, newLogName), globalStrings);
5 }
6 }
- Solr如果只进行soft commit，那么TransactionLog文件只会增大不会增多，它只会往最近的(即id最大的)TransactionLog文件中写入ulog日志。如果进行的是hard commit，则会生成新的TransactionLog文件，并且根据存放的总的日志数(record)以及TransactionLog文件的个数进行判断是否需要删除旧的日志文件，默认情况下日志数(record)为100，TransactionLog个数为10个。代码中numRecordsToKeep为100。但是当我们进行快速建索引的时候，一开始并不会满足上述的条件，即会存在多个日志数(record)多余100的情况，这是为什么呢？快速建索引的时候，当soft commit一次进去大量record到TransactionLog中，并不会生成新的id的TransactionLog文件，也就不会取处理旧的TransactionLog文件。当soft commit频率大于hard commit时候，每个TransactionLog文件都会存放大量record，但是hard commit只会删除最旧的那个文件，剩余的TransactionLog的record数量仍然大于100, 因此这种现象是正常的。当你停止建索引，或者调整hard commit频率，这种现象会慢慢改变，直至符合正常的范围。
1 protected void addOldLog(TransactionLog oldLog, boolean removeOld) {
2 if (oldLog == null) return;
3
4 numOldRecords += oldLog.numRecords();
5
6 int currRecords = numOldRecords;
7
8 if (oldLog != tlog && tlog != null) {
9 currRecords += tlog.numRecords();
10 }
11
12 while (removeOld && logs.size() > 0) {
13 TransactionLog log = logs.peekLast();
14 int nrec = log.numRecords();
15 // remove oldest log if we don't need it to keep at least numRecordsToKeep, or if
16 // we already have the limit of 10 log files.
17 if (currRecords - nrec >= numRecordsToKeep || logs.size() >= 10) {
18 currRecords -= nrec;
19 numOldRecords -= nrec;
20 logs.removeLast().decref(); // dereference so it will be deleted when no longer in use
21 continue;
22 }
23
24 break;
25 }
26
27 // don't incref... we are taking ownership from the caller.
28 logs.addFirst(oldLog);
29 }
- UpateLog会始终保存最新的两个TransactionLog文件，以及log的信息。每当进行soft commit或者hard commit操作时候进行更新。
1 protected void newMap() {
2 prevMap2 = prevMap;
3 prevMapLog2 = prevMapLog;
4
5 prevMap = map;
6 prevMapLog = tlog;
7
8 map = new HashMap<>();
9 }
总结：本节主要讲了update 索引链的第三步DirectUpdateHandler2中的add过程，add过程主要包含了两步，第一步调用lucene indexwriter 进行updatedocument以及将索引写入updatelog。lucene indexwriter涉及到lucene的建索引了，将在后续文章中再研究。updatelog的难点主要在recovery上，所以本节又简要的介绍了updatelog的基本内容以及具体的日志文件TransactionLog。下一节将介绍update的commit操作，它也主要涉及了updatelog的更新操作。
版权声明：本文不是「本站」原创文章，版权归原作者所有 | 原文地址: