即使删除重复项，Solr也会返回错误的构面计数

Question

我在 3节点群集（solrcloud）上使用solr 4.10设置与zookeeper和 RF = 1。总共3个分片。

这里的问题是2阶段。 1.我将 5000万记录添加到索引中，该索引具有uuid字段（ user_id ）作为唯一键。 uuid字段由应用程序生成，而不是solr。这些记录分批编入索引并提交。索引之后，我看到索引中有很多重复项。即使uuid被指定为唯一键。 不知何故，2个不同的分片具有相同的文档。

当我试图返回特定查询的计数时，分片返回包括重复的计数。它返回 numFound = 60,686 。 但当我试图检索所有60,686条记录时，它只返回52,760 ，这是预期的实际记录。

1. 看起来有7926个重复项，但我检查时只有74个重复

选择Q =标签％3A123＆安培;行= 0＆安培;重量= JSON＆安培;缩进=真安培;小面=真安培; facet.field = USER_ID＆安培; facet.mincount = 2

我手动删除了重复项，计数下降到60538，这仍然是错误的。 当我打开debugQuery时，我看到每个分片都会导致这个错误计数。

是否有facet缓存或需要清除的东西？剩下的额外数量是多少？我的应用程序依赖于计数，所以这是我面临的一个大问题。

提前致谢。

Answer 1

问题似乎与文档路由器有关。默认情况下，solr使用＆＃34; implicit＆＃34;路由器，我把它改成＆＃34; compositeId＆＃34;并且文档总是被发送到同一个碎片。

参考：https://lucidworks.com/blog/2013/06/13/solr-cloud-document-routing/

Answer 2

如果您删除或更新了任何记录，他们仍然会对分面计数做出贡献，直到Solr自动合并或您手动优化触发（非常昂贵）。

这是Lucene实际上不允许删除文档的事实的代价，因此标记为更高级别。这些文件从未出现在搜索中，但它们确实有助于计算。

因此，如果这是一个测试系统，请尝试优化调用，看看您的问题是否消失。但这可能不是生产的解决方案，只是确认假设的一种方法。