solr的collection,shard,replica,core概念

2020-12-19 14:13:11 编辑 0 阅读量:441

## 一、collection

1.由多个cores组成一个逻辑索引叫做一个collection。一个collection本质上是一个可以跨越多个核的索引，同时包含冗余索引。
2.collection由不同的shard组成，每个shard又多个replica,每个shard中有一个leadereplica,每个replica是一个物理索引，所以一个replica对应一个core
 
## 二、core和collection的区别
 
1.在单节点的solr上，一个core等于一个collection。
2.在solrCloud上，一个collection由分布在不同节点的core组成，但是一个collection仍然为一个逻辑索引，但是这个colletion由不同的core包含不同的shards组成。
3.一个core包含不同封装一个物理索引形成一个实例。
4.一个collection是由分布在不同node上的core组合而成，从而提供一个逻辑索引组成的。
 
## 三、core
一个core主要是一个文档集中text和field的索引。一个solr实例可以包含多个core,每个core根据本地一定的标准互相分开。它去提供结不同的搜索接口给用户，或者提供权限让不同用户有不同权限去访问不同文档。
 
## 四、collection,shard,replica,core关系
collection由一个或者多个shard组成，一个shard包含一个或者多个replica ,一个replica是一个core

## 五、特点
- 集中式的配置信息
使用ZK进行集中配置。启动时可以指定把Solr的相关配置文件上传Zookeeper，多机器共用。这些ZK中的配置不会再拿到本地缓存，Solr直接读取ZK中的配置信息。配置文件的变动，所有机器都可以感知到。
另外，Solr的一些任务也是通过ZK作为媒介发布的。目的是为了容错。接收到任务，但在执行任务时崩溃的机器，在重启后，或者集群选出候选者时，可以再次执行这个未完成的任务。

- 自动容错
SolrCloud对索引分片，并对每个分片创建多个Replication。每个Replication都可以对外提供服务。一个Replication挂掉不会影响索引服务。
更强大的是，它还能自动的在其它机器上帮你把失败机器上的索引Replication重建并投入使用。

- 近实时搜索
立即推送式的replication（也支持慢推送）。可以在秒内检索到新加入索引。

- 查询时自动负载均衡
SolrCloud索引的多个Replication可以分布在多台机器上，均衡查询压力。如果查询压力大，可以通过扩展机器，增加Replication来减缓。

- 自动分发的索引和索引分片
发送文档到任何节点，它都会转发到正确节点。

- 事务日志
事务日志确保更新无丢失，即使文档没有索引到磁盘。

- 强大的RESTful API
通常你能想到的管理功能，都可以通过此API方式调用。这样写一些维护和管理脚本就方便多了。

## 六、总结
- **Collection**：在SolrCloud集群中逻辑意义上的完整的索引。它常常被划分为一个或多个Shard，它们使用相同的Config Set。如果Shard数超过一个，它就是分布式索引，SolrCloud让你通过Collection名称引用它，而不需要关心分布式检索时需要使用的和Shard相关参数。

- **Config Set**: Solr Core提供服务必须的一组配置文件。每个config set有一个名字。最小需要包括solrconfig.xml (SolrConfigXml)和schema.xml (SchemaXml)，除此之外，依据这两个文件的配置内容，可能还需要包含其它文件。它存储在Zookeeper中。Config sets可以重新上传或者使用update命令更新。

- **Core**: 也就是Solr Core，一个Solr中包含一个或者多个Solr Core，每个Solr Core可以独立提供索引和查询功能，每个Solr Core对应一个索引或者Collection的Shard，Solr Core的提出是为了增加管理灵活性和共用资源。在SolrCloud中有个不同点是它使用的配置是在Zookeeper中的，传统的Solr core的配置文件是在磁盘上的配置目录中。

- **Leader**: 赢得选举的Shard replicas。每个Shard有多个Replicas，这几个Replicas需要选举来确定一个Leader。选举可以发生在任何时间，但是通常他们仅在某个Solr实例发生故障时才会触发。当索引documents时，SolrCloud会传递它们到此Shard对应的leader，leader再分发它们到全部Shard的replicas。

- **Replica**: Shard的一个拷贝。每个Replica存在于Solr的一个Core中。一个命名为“test”的collection以numShards=1创建，并且指定replicationFactor设置为2，这会产生2个replicas，也就是对应会有2个Core，每个在不同的机器或者Solr实例。一个会被命名为test_shard1_replica1，另一个命名为test_shard1_replica2。它们中的一个会被选举为Leader。

- **Shard**: Collection的逻辑分片。每个Shard被化成一个或者多个replicas，通过选举确定哪个是Leader。对于一个完整的文档集，将被分布到多个shard中进行索引存储，每个shard相对独立，有自己独立的indexwriter和searcher。shard是对完整文档集索引分片（块）处理的体现，在solr的代码里每个shard都有一个solrCore对其维护管理。

- **Zookeeper**: Zookeeper提供分布式锁功能，对SolrCloud是必须的。它处理Leader选举。Solr可以以内嵌的Zookeeper运行，但是建议用独立的，并且最好有3个以上的主机（奇数个主机）。

---
参考：
- [1][ solr的collection,shard,replica,core概念](http://blog.csdn.net/zhousenshan/article/details/51799567)
- [2][solrcloud replica collection core shard slice 概念讲解](https://my.oschina.net/cloudcoder/blog/338031)
- [3][Welcome to the Apache Solr Wiki](https://wiki.apache.org/solr/FrontPage)

solr的collection,shard,replica,core概念

附件: