我们正面临SOLR搜索的一些问题。
我们正在使用带有Jetty的SOLR 3.1。我们根据我们的要求设置了模式。我们设置了data-config.xml，以便从我们的数据库（Sql Server 2005）将记录导入Collection（Core）。 数据库中有320,000条记录需要导入。
完成导入后，当我尝试通过SOLR管理员搜索所有记录时
http://localhost:8983/solr/Collection_201/admin/
它显示我的总数为290,000。因此，缺少30,000条记录。
现在我想到了以下问题
我怎么知道哪条记录没有正确编入索引？或哪个记录缺失？要知道这一点，我尝试了一个技巧，我想我应该在数据库中放置一个字段，以便知道哪个记录被导入到SOLR集合中，哪个不是。但是最大的问题是如何在从data-config.xml导入时更新此数据库字段。因为tag只允许您搜索查询，或者换句话说只返回某些内容。所以，我有另一个想法仍然更新该数据库字段。我在我的数据库中创建了一个存储过程，其中包含更新数据库中的字段的更新查询，然后我有select查询，它只返回1条记录以满足要求。但是当我试图运行DIH时，它返回“索引失败。回滚所有更改”错误消息并且没有导入任何内容。当我将更新查询注释到存储过程中时，它就可以工作了。所以它不允许我从存储过程运行更新查询。所以我试图找到一种从DIH更新数据库的方法。但我真的没有找到任何悲伤的笑容我拒绝更新数据库的想法。
我清除了索引并再次开始导入数据。这次我尝试手动运行solr admin导入页面，每回合5,000条记录。最后，对于一些人来说，记录仍然缺失。
这是否可能无法正确提交。我在导入页面（http：// localhost：8983 / solr / Collection_201 / dataimport？command = full-import＆amp; clean = false）的文档中自动提交导入的数据。但我个人注意到它有一段时间或有时没有。所以这真的让我疯狂悲伤的笑容
现在我完全沮丧并开始思考我使用SOLR的方式是对还是不对。如果我是对的，那么它是否可靠????如果错了，请指导我，我的错误是什么？
请请指导我们如何轻松同步。使用我们的数据库收集并确保它已100％同步。
答案 0 :(得分：0)
您在Solr和数据库中使用哪个字段用于ID？ id字段必须是唯一的，因此如果您有30,000条记录与其他30,000条记录具有相同的ID，则数据将覆盖这些记录。
此外，当您运行数据导入处理程序时，您可以查询它的状态（？command = status），这应该告诉您上次运行时导入的记录总数。
我要做的第一件事是检查数据库中的非唯一ID WRT solr id字段。
答案 1 :(得分：0)
另外请注意，当批处理中的一条记录错误时，整个批处理都会回滚。因此，如果它发生了3次，并且每个索引10K文档，那就可以解释它。
但应该有一个更好/更优雅的解决方案。我不知道如何在你的情况下丢失记录。但是如果你已经对id进行了索引，那么你可以将索引的id与外部源进行比较并获得差距