基于3个Solr 6.6.3实例与单ZooKeeper，如何配置Cassandra数据导入处理器？

没问题，我帮你一步步搞定Solr 6.6.3配置DataImport Handler（DIH）从Cassandra集群抽取数据的事儿！结合你是SolrCloud（3个实例+1个ZK）的环境，下面是具体操作步骤：

Solr本身不带Cassandra的Java驱动，得自己加。你需要下载兼容Solr 6.6.3和你的Cassandra版本的驱动包，推荐用DataStax的官方驱动：

• 核心驱动包：cassandra-driver-core-3.11.0.jar（适配Cassandra 3.x系列，和Solr 6.6.3的Java 8环境兼容）
• 辅助依赖：guava-19.0.jar（Solr 6.x内置的guava版本是19，避免版本冲突）
• 可选：如果Cassandra用了认证，可能还需要cassandra-driver-extras-3.11.0.jar

把这些包放到每个Solr实例的server/lib/ext目录下；如果是SolrCloud模式，也可以把这些包放到配置集的lib目录里，然后上传到ZK，这样所有节点都会加载。

在你的Solr配置集的solrconfig.xml里添加DIH的请求处理器，同时确保依赖包被正确加载：

<!-- 加载Cassandra驱动包（如果没放到ext目录，就指定你的lib路径） -->
<lib dir="${solr.config.dir}/lib" regex="cassandra-driver-.*\.jar" />
<lib dir="${solr.config.dir}/lib" regex="guava-.*\.jar" />

<!-- 配置DataImport Handler -->
<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
  <lst name="defaults">
    <str name="config">data-config.xml</str> <!-- 指定DIH的配置文件 -->
  </lst>
</requestHandler>

在配置集目录下创建data-config.xml，这是定义数据源和数据抽取规则的核心文件：

<dataConfig>
  <!-- 配置Cassandra数据源 -->
  <dataSource 
    type="org.apache.solr.handler.dataimport.CassandraDataSource"
    cluster="192.168.1.10:9042,192.168.1.11:9042" <!-- 你的Cassandra集群接触点，多个用逗号分隔 -->
    keyspace="your_target_keyspace" <!-- 要抽取数据的Cassandra键空间 -->
    username="your_cassandra_user" <!-- 如果Cassandra开启了认证，填用户名 -->
    password="your_cassandra_pwd" /> <!-- 对应密码 -->

  <!-- 定义要导入的文档结构 -->
  <document>
    <!-- 实体：对应Cassandra的一张表 -->
    <entity 
      name="your_cassandra_table"
      <!-- 全量导入查询：获取表中所有数据 -->
      query="SELECT id, product_name, category, price, create_time FROM your_cassandra_table"
      <!-- 增量导入查询：获取上次索引后更新的数据（需要有时间戳/递增字段） -->
      deltaQuery="SELECT id FROM your_cassandra_table WHERE create_time > '${dataimporter.last_index_time}'"
      <!-- 增量导入详情查询：根据deltaQuery返回的ID获取完整数据 -->
      deltaImportQuery="SELECT id, product_name, category, price, create_time FROM your_cassandra_table WHERE id = '${dataimporter.delta.id}'">

      <!-- 字段映射：Cassandra列名 → Solr字段名 -->
      <field column="id" name="id"/>
      <field column="product_name" name="product_name"/>
      <field column="category" name="category"/>
      <field column="price" name="price" type="float"/>
      <field column="create_time" name="create_time" type="pdate"/>
    </entity>
  </document>
</dataConfig>

注意：如果不需要增量导入，可以删掉deltaQuery和deltaImportQuery这两行；增量导入的前提是你的Cassandra表有可以判断更新的字段（比如时间戳）。

确保你的Solr Schema（managed-schema或schema.xml）里已经定义了对应Cassandra列的字段，类型要匹配：

<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false"/>
<field name="product_name" type="text_general" indexed="true" stored="true"/>
<field name="category" type="string" indexed="true" stored="true"/>
<field name="price" type="float" indexed="true" stored="true"/>
<field name="create_time" type="pdate" indexed="true" stored="true"/>

因为你是SolrCloud环境，需要把修改后的配置集上传到ZooKeeper，让所有Solr节点同步：

# 用Solr的zk命令上传配置，替换成你的实际路径和ZK地址
bin/solr zk upconfig -n your_configset_name -d /path/to/your/config_dir -z zk_host:2181

如果已经有对应的collection，需要重启collection让新配置生效：

bin/solr collection --reload your_collection_name

• 打开Solr Admin UI，进入对应collection的Dataimport页面
• 选择your_cassandra_table实体，先试试Full-Import全量导入，点击Execute
• 查看页面的日志输出，或者去Solr的日志文件server/logs/solr.log里检查是否有错误
• 导入完成后，用Solr的查询页面验证数据是否成功导入

• 如果出现Cassandra连接失败：检查集群地址是否正确、Cassandra服务是否正常、防火墙是否开放9042端口
• 如果出现依赖冲突：检查guava版本是否和Solr内置的一致（Solr 6.6.3用的是guava 19）
• 如果增量导入不生效：确认deltaQuery里的时间字段格式和Solr的last_index_time格式匹配，Cassandra里的时间字段是timestamp类型的话，格式要对应

内容的提问来源于stack exchange，提问作者Rj1