【发布时间】：2016-03-19 02:46:56
【问题描述】：
我对 Solr 5.3.1 有疑问。我的架构相当简单。我有一个 uniqueKey，它是字符串的“id”。索引，存储和必需，非多值。
我首先添加带有“content_type:document_unfinished”的文档，然后覆盖相同的文档，具有相同的 id 但另一个 content_type:document。然后该文档在索引中出现两次。同样，唯一的唯一键是“id”，作为字符串。 id 最初来自 mysql-index 主 int。
看起来这种情况不止一次：
http://lucene.472066.n3.nabble.com/uniqueKey-not-enforced-td4015086.html
http://lucene.472066.n3.nabble.com/Duplicate-Unique-Key-td4129651.html
就我而言，并非索引中的所有文档都是重复的，只是一些。我假设 - 最初 - 当索引中存在相同的 uniqueKey 时，它们会在提交时被覆盖。这似乎不像我预期的那样工作。我不想简单地更新文档中的某些字段，我想用所有子项完全替换它。
一些统计数据：索引中有大约 350k 个文档。主要是 childDocuments。文档由“content_type”字段区分。我使用 SolrJ 以这种方式导入它们：
HttpSolrServer server = new HttpSolrServer(url);
server.add(a Collection<SolrInputDocument>);
server.commit();
我总是再次与所有孩子一起添加整个文档。它没有什么过于花哨的。我最终得到了相同 uniqueKey 的重复文档。没有侧面注射。我只使用集成的 Jetty 运行 Solr。我没有“手动”在 java 中打开 lucene 索引。
然后我所做的是再次删除+插入。这似乎工作了一段时间，但在某些情况下开始出现此错误消息：
父查询产生的文档与父过滤器不匹配
发生这种情况的文档似乎是完全随机的，似乎只有一件事出现：它发生的地方是一个 childDocument。我没有运行什么特别的东西，基本上是从网站上下载了solr包并用bin/solr start运行它
有人有什么想法吗？
编辑 1
我想我找到了问题，这似乎是一个错误？重现问题：
我在 virtualBox 中将 Solr 5.3.1 下载到 Debian 并使用 bin/solr start 启动它。添加了具有基本配置集的新核心。基本配置集没有任何变化，只是将其复制并添加了核心。
这导致两个文档在索引中具有相同的 id：
SolrClient solrClient = new HttpSolrClient("http://192.168.56.102:8983/solr/test1");
SolrInputDocument inputDocument = new SolrInputDocument();
inputDocument.setField("id", "1");
inputDocument.setField("content_type_s", "doc_unfinished");
solrClient.add(inputDocument);
solrClient.commit();
solrClient.close();
solrClient = new HttpSolrClient("http://192.168.56.102:8983/solr/test1");
inputDocument = new SolrInputDocument();
inputDocument.setField("id", "1");
inputDocument.setField("content_type_s", "doc");
SolrInputDocument childDocument = new SolrInputDocument();
childDocument.setField("id","1-1");
childDocument.setField("content_type_s", "subdoc");
inputDocument.addChildDocument(childDocument);
solrClient.add(inputDocument);
solrClient.commit();
solrClient.close();
搜索：
http://192.168.56.102:8983/solr/test1/select?q=%3A&wt=json&indent=true
导致以下输出：
{
"responseHeader": {
"status": 0,
"QTime": 0,
"params": {
"q": "*:*",
"indent": "true",
"wt": "json",
"_": "1450078098465"
}
},
"response": {
"numFound": 3,
"start": 0,
"docs": [
{
"id": "1",
"content_type_s": "doc_unfinished",
"_version_": 1520517084715417600
},
{
"id": "1-1",
"content_type_s": "subdoc"
},
{
"id": "1",
"content_type_s": "doc",
"_version_": 1520517084838101000
}
]
}
}
我做错了什么？
【问题讨论】：
-
我目前面临的情况似乎与您的情况非常相似：我也使用 SolrJ，我也使用 childDocuments，而且我最近也刚刚检测到，在文档的普通更新中，之后该文档在索引中存在两次，具有相同的唯一键。我还想我可以尝试通过 solrClient.deleteById(id) 显式删除文档，这似乎可以解决问题 - 但是，由于您声明这不是真正的修复，我仍然担心。
-
我编写了一个小型 Java 测试应用程序，它会生成您所描述的问题。可以在这里找到：github.com/sebastianriemer/SolrDuplicateTest 我很想知道你是否得到和我一样的结果。我还写信给 solr-user 邮件列表，并将答案发回这里。
-
我想我在某处读到 Solr 处理带有子文档的文档与没有子文档的文档不同。我不记得我在哪里阅读它，但我立即开始添加子文档，从第一个文档开始。从那以后，覆盖对我来说是有效的——但我仍然认为它是 Solr 的一个“错误”，它没有将唯一键......视为......好吧......独一无二。我每天都会在索引中添加几个 10k 文档，并且它可以正常工作。
-
顺便说一句，我建议用你的解决方案写一个你自己问题的答案并接受它。据我所知，这被认为是一种很好的做法，可以帮助遇到同样问题的其他人。