如何扩展 Apache Solr 的 ExtractingRequestHandler 以从协议缓冲区文件中提取内容？

Question

我已经设置了 SolrCloud 的一个实例。现在我想索引协议缓冲区格式的文件中的内容，并使用 stored=true 属性将它们存储在 Solr 中。存储二进制文档很容易。现在我如何继续指示 solr 从协议缓冲区文件中提取内容？ 我知道我们可以扩展 ExtractingRequestHandler 来做同样的事情，但我无法在 wiki 页面上找到关于这样做的全面文档：http://wiki.apache.org/solr/ExtractingRequestHandler。

Answer 1

我不会扩展 ExtractingRequestHandler，而是使用 SolrJ。这样你就可以做任何你想做的事情，你的客户端将在一个单独的 JVM 中运行，它会提取内容（使用你最喜欢的库），最后它会连接到 Solr。像这样的：

// Extract content from PB files
String content = extractContentFromPBFiles();

// The facade towards Solr
SolrClient client = ...

// The Input value object (i.e. a Solr Document that needs to be indexed)
SolrInputDocument doc = new SolrInputDocument();
doc.setField("id", <your id>);
doc.setField("content", content);

// Add
client.add(doc);

// Commit (you may want to avoid this in case of massive inserts)
client.commit();