測試環境
本文簡單對比下Solr與MySQL的查詢性能速度。
測試資料量：10407608 Num Docs: 10407608
普通查詢
這裡對MySQL的查詢時間都包含了從MySQL Server擷取資料的時間。
在項目中一個最常用的查詢，查詢某段時間内的資料，SQL查詢擷取資料，30s左右
SELECT * FROM `tf_hotspotdata_copy_test` WHERE collectTime BETWEEN '2014-12-06 00:00:00' AND '2014-12-10 21:31:55'; 對collectTime建立索引後，同樣的查詢，2s，快了很多。
Solr索引資料：
<!--Index Field for HotSpot-->
<field name="CollectTime" type="tdate" indexed="true" stored="true"/>
<field name="IMSI" type="string" indexed="true" stored="true"/>
<field name="IMEI" type="string" indexed="true" stored="true"/>
<field name="DeviceID" type="string" indexed="true" stored="true"/> Solr查詢，同樣的條件，72ms
"status": 0,
"QTime": 72,
"params": {
"indent": "true",
"q": "CollectTime:[2014-12-06T00:00:00.000Z TO 2014-12-10T21:31:55.000Z]",
"_": "1434617215202",
"wt": "json"
} 好吧，查詢性能提高的不是一點點，用Solrj代碼試試：
SolrQuery params = new SolrQuery();
params.set("q", timeQueryString);
params.set("fq", queryString);
params.set("start", 0);
params.set("rows", Integer.MAX_VALUE);
params.setFields(retKeys);
QueryResponse response = server.query(params); Solrj查詢并擷取結果集，結果集大小為220296，傳回5個字段，時間為12s左右。
為什麼需要這麼長時間？上面的"QTime"隻是根據索引查詢的時間，如果要從solr服務端擷取查詢到的結果集，solr需要讀取stored的字段（磁盤IO），再經過Http傳輸到本地（網絡IO），這兩者比較耗時，特别是磁盤IO。
時間對比：
| 查詢條件 | 時間 |
| MySQL（無索引） | 30s |
| MySQL（有索引） | 2s |
| Solrj（select查詢） | 12s |
如何優化？看看隻擷取ID需要的時間：
SQL查詢隻傳回id，沒有對collectTime建索引，10s左右：
SELECT id FROM `tf_hotspotdata_copy_test` WHERE collectTime BETWEEN '2014-12-06 00:00:00' AND '2014-12-10 21:31:55'; SQL查詢隻傳回id，同樣的查詢條件，對collectTime建索引，0.337s，很快。
Solrj查詢隻傳回id，7s左右，快了一點。
id Size: 220296
Time: 7340
| 查詢條件（隻擷取ID） | |
| 10s | |
| 0.337s | |
| 7s |
繼續優化。。
關于Solrj擷取大量結果集速度慢的一些類似問題：
http://stackoverflow.com/questions/28181821/solr-performance#
http://grokbase.com/t/lucene/solr-user/11aysnde25/query-time-help
http://lucene.472066.n3.nabble.com/Solrj-performance-bottleneck-td2682797.html
這個問題沒有好的解決方式，基本的建議都是做分頁，但是我們需要拿到大量資料做一些比對分析，做分頁沒有意義。
偶然看到一個回答，solr預設的查詢使用的是"/select" request handler，可以用"/export" request handler來export結果集，看看solr對它的說明：
It's possible to export fully sorted result sets using a special rank query parser and response writer specifically designed to work together to handle scenarios that involve sorting and exporting millions of records. This uses a stream sorting techniquethat begins to send records within milliseconds and continues to stream results until the entire result set has been sorted and exported.
Solr中已經定義了這個requestHandler：
<requestHandler name="/export" class="solr.SearchHandler">
<lst name="invariants">
<str name="rq">{!xport}</str>
<str name="wt">xsort</str>
<str name="distrib">false</str>
</lst>
<arr name="components">
<str>query</str>
</arr>
</requestHandler> 使用/export需要字段使用docValues建立索引：
<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" docValues="true"/>
<field name="CollectTime" type="tdate" indexed="true" stored="true" docValues="true"/>
<field name="IMSI" type="string" indexed="true" stored="true" docValues="true"/>
<field name="IMEI" type="string" indexed="true" stored="true" docValues="true"/>
<field name="DeviceID" type="string" indexed="true" stored="true" docValues="true"/> 使用docValues必須要有一個用來Sort的字段，且隻支援下列類型：
Sort fields must be one of the following types: int,float,long,double,string
docValues支援的傳回字段：
Export fields must either be one of the following types: int,float,long,double,string
使用Solrj來查詢并擷取資料：
SolrQuery params = new SolrQuery();
params.set("q", timeQueryString);
params.set("fq", queryString);
params.set("start", 0);
params.set("rows", Integer.MAX_VALUE);
params.set("sort", "id asc");
params.setHighlight(false);
params.set("qt", "/export");
params.setFields(retKeys);
QueryResponse response = server.query(params); 一個Bug：
org.apache.solr.client.solrj.impl.HttpSolrClient$RemoteSolrException: Error from server at http://192.8.125.30:8985/solr/hotspot: Expected mime type application/octet-stream but got application/json.
Solrj沒法正确解析出結果集，看了下源碼，原因是Solr server傳回的ContentType和Solrj解析時檢查時不一緻，Solrj的BinaryResponseParser這個CONTENT_TYPE是定死的：
public class BinaryResponseParser extends ResponseParser {
public static final String BINARY_CONTENT_TYPE = "application/octet-stream"; 一時半會也不知道怎麼解決這個Bug，還是自己寫個Http請求并擷取結果吧，用HttpClient寫了個簡單的用戶端請求并解析json擷取資料，測試速度：
String url = "http://192.8.125.30:8985/solr/hotspot/export?q=CollectTime%3A[2014-12-06T00%3A00%3A00.000Z+TO+2014-12-10T21%3A31%3A55.000Z]&sort=id+asc&fl=id&wt=json&indent=true";
long s = System.currentTimeMillis();
SolrHttpJsonClient client = new SolrHttpJsonClient();
SolrQueryResult result = client.getQueryResultByGet(url);
System.out.println("Size: "+result.getResponse().getNumFound());
long e = System.currentTimeMillis();
System.out.println("Time: "+(e-s)); 同樣的查詢條件擷取220296個結果集，時間為2s左右，這樣的查詢擷取資料的效率和MySQL建立索引後的效果差不多，暫時可以接受。
為什麼使用docValues的方式擷取資料速度快？
DocValues是一種按列組織的存儲格式，這種存儲方式降低了随機讀的成本。
傳統的按行存儲是這樣的：
1和2代表的是docid。顔色代表的是不同的字段。
改成按列存儲是這樣的：
按列存儲的話會把一個檔案分成多個檔案，每個列一個。對于每個檔案，都是按照docid排序的。這樣一來，隻要知道docid，就可以計算出這個docid在這個檔案裡的偏移量。也就是對于每個docid需要一次随機讀操作。
那麼這種排列是如何讓随機讀更快的呢？秘密在于Lucene底層讀取檔案的方式是基于memory mapped byte buffer的，也就是mmap。這種檔案通路的方式是由作業系統去緩存這個檔案到記憶體裡。這樣在記憶體足夠的情況下，通路檔案就相當于通路記憶體。那麼随機讀操作也就不再是磁盤操作了，而是對記憶體的随機讀。
那麼為什麼按行存儲不能用mmap的方式呢？因為按行存儲的方式一個檔案裡包含了很多列的資料，這個檔案尺寸往往很大，超過了作業系統的檔案緩存的大小。而按列存儲的方式把不同列分成了很多檔案，可以隻緩存用到的那些列，而不讓很少使用的列資料浪費記憶體。
注意Export fields隻支援int,float,long,double,string這幾個類型，如果你的查詢結果隻包含這幾個類型的字段，那采用這種方式查詢并擷取資料，速度要快很多。
下面是Solr使用“/select”和“/export”的速度對比。
| Solrj（export查詢） |
項目中如果用分頁查詢，就用select方式，如果一次性要擷取大量查詢資料就用export方式，這裡沒有采用MySQL對查詢字段建索引，因為資料量每天還在增加，當達到億級的資料量的時候，索引也不能很好的解決問題，而且項目中還有其他的查詢需求。
分組查詢
我們來看另一個查詢需求，假設要統計每個裝置（deviceID）上資料的分布情況：
用SQL，需要33s：
SELECT deviceID,Count(*) FROM `tf_hotspotdata_copy_test` GROUP BY deviceID; 同樣的查詢，在對CollectTime建立索引之後，隻要14s了。
看看Solr的Facet查詢，隻要540ms，快的不是一點點。
SolrQuery query = new SolrQuery();
query.set("q", "*:*");
query.setFacet(true);
query.addFacetField("DeviceID");
QueryResponse response = server.query(query);
FacetField idFacetField = response.getFacetField("DeviceID");
List<Count> idCounts = idFacetField.getValues();
for (Count count : idCounts) {
System.out.println(count.getName()+": "+count.getCount());
} | 查詢條件（統計） | |
| 33s | |
| 14s | |
| Solrj（Facet查詢） | 0.54s |
如果我們要查詢某台裝置在某個時間段上按“時”、“周”、“月”、“年”進行資料統計，Solr也是很友善的，比如以下按天統計裝置号為1013上的資料：
String startTime = "2014-12-06 00:00:00";
String endTime = "2014-12-16 21:31:55";
SolrQuery query = new SolrQuery();
query.set("q", "DeviceID:1013");
query.setFacet(true);
Date start = DateFormatHelper.ToSolrSearchDate(DateFormatHelper.StringToDate(startTime));
Date end = DateFormatHelper.ToSolrSearchDate(DateFormatHelper.StringToDate(endTime));
query.addDateRangeFacet("CollectTime", start, end, "+1DAY");
QueryResponse response = server.query(query);
List<RangeFacet> dateFacetFields = response.getFacetRanges();
for (RangeFacet facetField : dateFacetFields{
List<org.apache.solr.client.solrj.response.RangeFacet.Count> dateCounts= facetField.getCounts();
for (org.apache.solr.client.solrj.response.RangeFacet.Count count : dateCounts) {
System.out.println(count.getValue()+": "+count.getCount());
}
} 這裡為什麼Solr/Lucene的Facet（聚合）查詢會這麼快呢？
想想Solr/Lucene的索引資料的方式就清楚了：反向索引。對于某個索引字段，該字段下有哪幾個值，對于每個值，對應的文檔集合是建立索引的時候就清楚的，做聚合操作的時候“統計”下就知道結果了。
如果通過docValues建立索引，對于這類Facet查詢會更快，因為這時候索引已經通過字段（列）分割好了，隻需要去對應檔案中查詢統計就行了，如上文所述，通過“記憶體映射”，将該索引檔案映射到記憶體，隻需要在記憶體裡統計下結果就出來了，是以就非常快。
水準拆分表：
由于本系統采集到的大量資料和“時間”有很大關系，一些業務需求根據“時間”來查詢也比較多，可以按“時間”字段進行拆分表，比如按每月一張表來拆分，但是這樣做應用層代碼就需要做更多的事情，一些跨表的查詢也需要更多的工作。綜合考慮了表拆分和使用Solr來做索引查詢的工作量後，還是采用了Solr。
總結：在MySQL的基礎上，配合Lucene、Solr、ElasticSearch等搜尋引擎，可以提高類似全文檢索、分類統計等查詢性能。
參考：
http://wiki.apache.org/solr/
https://lucidworks.com/blog/2013/04/02/fun-with-docvalues-in-solr-4-2/
作者：阿凡盧
出處：http://www.cnblogs.com/luxiaoxun/
本文版權歸作者所有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接配接，否則保留追究法律責任的權利。