我是Map / Reduce世界的新手，并试图评估最佳选项，以确定我是否可以利用它在Solr中创建索引。目前，我正在使用常规爬网来获取数据并直接在Solr中对其进行索引。这没有任何问题。
但是，我们需要访问驻留在Amazon S3中的大量数据。目前存储在S3中的大约500万个数据需要被索引。我正在考虑使用Amazon Elastic Map / Reduce（EMR）直接从S3访问内容，然后在Solr中创建索引。数据结构很简单，url（唯一的）是S3键，值是XML文件。该URL将用作Solr中的doc id，而XML数据的相关部分将作为字段存储在Solr索引中。
我的问题是EMR是否是正确的方法？任务是从S3访问数据，从XML中提取某些元素，进行一些处理，然后调用Solr API来生成索引。在索引数据之前，处理部分需要很少的类，可能是一串命令模式。这是可以实现的吗？ Doo我需要减速器还是可以使用映射器来完成这个过程？如果需要减速机，它的范围是什么？目前，我有一个存储数据的索引。
对此的任何指示都将受到高度赞赏。
由于
答案 0 :(得分：0)
您可以尝试使用MapReduceIndexer工具。 你可以从apache-sole下载它。 它是contrib模块的一部分。