Solr：如何在JSON和CSV导入期间指定模式？

我是Solr的新手，我正在尝试测试它的功能。我来自RDBMS世界，想知道Solr将如何处理我的数据

我创建了一个新的核心：

$bin/solr create-c测试

并使用以下命令成功加载JSON文件：

$bin/post-c测试文件.json

file.json的第一条记录如下所示：

{“attr”：“01234”}

但Solr将其存储为：

{“attr”：1234}

为了正确存储数据，我开始定义一个数据导入处理程序，发现DIH无法处理JSON。我一直停留在
data config.xml
的定义上，因为本教程使用
xpathenticprocessor
处理xml文件，但找不到JSON甚至CSV处理器（我可以轻松检索
file.JSON
的CSV版本，因此加载CSV或JSON对我来说是一样的）。官方文档有点混乱，没有提供很多有用的例子。唯一可能处理JSON和CSV文档的处理器是
LineEntityProcessor
和
PlainTextEntityProcessor
（）

从Solr Wiki中可以看出：

目标


可以插入任何类型的数据源（ftp、scp等）和用户选择的任何其他格式（JSON、csv等）

所以我想这确实是可能的，但是怎么可能呢

我在2014年的帖子中发现了一个没有人回答的问题，所以我想知道2016年，对于更新版本的Solar，是否有一个众所周知的解决方案

所以问题是：如何使用特定的数据模式导入JSON和CSV文档

更新
执行
http://localhost:8983/solr/test/dihupdate?command=full-导入
不会触发任何错误，但不会加载任何文档。以下是位于核心目录中的各种xml文件：

solrconfig.xml

...
<schemaFactory class="ClassicIndexSchemaFactory" />
...
<requestHandler name="/dihupdate" class="org.apache.solr.handler.dataimport.DataImportHandler" startup="lazy">
  <lst name="defaults">
    <str name="config">data-config.xml</str>
  </lst>
</requestHandler>
...

...
<field name="id" type="long" indexed="true" stored="true" required="true" multiValued="false" />
<field name="attr1" type="string" indexed="true" stored="true" required="true" multiValued="true" />
<field name="date" type="date" indexed="true" stored="false" multiValued="true" />
<field name="attr2" type="string" indexed="true" stored="true"  multiValued="true" />
<field name="attr3" type="string" indexed="true" stored="true" multiValued="true" />
<field name="attr4" type="int" indexed="false" stored="true" multiValued="true" />
<uniqueKey>id</uniqueKey>
...

<dataConfig>
    <dataSource type="FileDataSource" />
    <document>
        <entity name="f" processor="FileListEntityProcessor"
                fileName="test.json"
                rootEntity="false"
                dataSource="null"
                recursive="true"
                baseDir="/path/to/data/"/>
    </document>
</dataConfig>

数据配置.xml

...
<schemaFactory class="ClassicIndexSchemaFactory" />
...
<requestHandler name="/dihupdate" class="org.apache.solr.handler.dataimport.DataImportHandler" startup="lazy">
  <lst name="defaults">
    <str name="config">data-config.xml</str>
  </lst>
</requestHandler>
...

...
<field name="id" type="long" indexed="true" stored="true" required="true" multiValued="false" />
<field name="attr1" type="string" indexed="true" stored="true" required="true" multiValued="true" />
<field name="date" type="date" indexed="true" stored="false" multiValued="true" />
<field name="attr2" type="string" indexed="true" stored="true"  multiValued="true" />
<field name="attr3" type="string" indexed="true" stored="true" multiValued="true" />
<field name="attr4" type="int" indexed="false" stored="true" multiValued="true" />
<uniqueKey>id</uniqueKey>
...

<dataConfig>
    <dataSource type="FileDataSource" />
    <document>
        <entity name="f" processor="FileListEntityProcessor"
                fileName="test.json"
                rootEntity="false"
                dataSource="null"
                recursive="true"
                baseDir="/path/to/data/"/>
    </document>
</dataConfig>

在
conf
目录中的
schema.xml
中定义模式-这是。如果您使用的是当前默认的“托管架构”模式，则必须。然后，您可以按照示例模式或web上描述schema.xml文件结构的任何可用资源（定义字段类型，然后定义使用该字段类型的字段）定义
schema.xml中的字段

另一个选项是托管模式——这是最新版本中的默认模式，该模式通过Solr提供的API进行操作。启动时，它从schema.xml（如果存在）中读取初始模式，但之后必须通过API或管理接口对其进行修改。《Solr指南》中的中介绍了此API（带有示例）

使用StrField（字段类型
string
使用的）存储
012345
将导致Solr只存储文本值
012345
，而不将其转换为整数。这可能是一个很好的起点。
在Solr发行版中，有一个films示例（在示例/films中）展示了如何索引JSON，并利用精确的字段定义和类型自动检测。说明（README.txt）包括如果忘记执行其中一个步骤，您将看到的结果

我建议您尝试一下，然后将这些知识应用到您自己的用例中。
我遵循了您的指示，但我必须指定JSON/CSV数据的位置。我用各种XML参数更新了我的问题。谢谢如果您有JSON数据，您可以直接将其提交给更新处理程序，只要它符合Solr期望的JSON格式，并且符合您定义的模式。这正是我试图做的，作为缺少处理器的替代方法，但我遇到了以下错误：
{“responseHeader”：{“status”：400，“QTime”：4}，“error:{”metadata:[“error class”，“org.apache.solr.common.SolrException”，“root error class”，“org.apache.solr.common.SolrException”]，“msg:“Unknown command'id'at[5]，“code”：400}
。JSON语法正确（文件由PostgreSQL生成），前面的行不会触发该错误。.生成错误的行是
{”id“：400，…}
并且没有嵌套的属性。哪个版本的Solr？该版本可能假定文档包装在{'add'：…}中元素。请参阅下面的@Alexandre Rafalovitch建议，我使用API和托管模式在导入数据之前添加字段定义。感谢您的帮助，我学到了很多新东西：）我通过
{“add field”：{…}添加字段定义实现了这一点
如
README.txt
文件所述。谢谢