Я пытаюсь заставить Solr проиндексировать базу данных, в которой один столбец является именем файла PDF-документа, который я хочу проиндексировать. Моя конфигурация выглядит так:
<dataConfig>
<dataSource name="ds-db" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost/document_db" user="user" password="password" readOnly="true"/>
<dataSource name="ds-file" type="BinFileDataSource"/>
<document name="documents">
<entity name="document" dataSource="ds-db" query="select * from documents">
<entity processor="TikaEntityProcessor" url="/some/path/${document.filename}" dataSource="ds-file" format="text">
<field column="text" />
</entity>
</entity>
</document>
</dataConfig>
Я использую Solr из транка (по состоянию на прошлую неделю). Процесс импорта завершается без ошибок, и он выбирает столбцы из базы данных, но не содержимое из файла PDF. Он определенно пытается получить доступ к файлу PDF, потому что, если я дам ему неправильный путь, он будет жаловаться. Похоже, что он не пытается индексировать PDF, поскольку он завершается примерно через 40 мс, в то время как если я импортирую PDF через ExtractingRequestHandler, для его индексации требуется около 11 секунд.
Я также попробовал пример tika в example-DIH, и это тоже, похоже, ничего не индексирует. Я что-то не так делаю, или это просто пока не работает?
Я использую Java 1.6.0_20 на OSX 10.6.3.
(Следует отметить, что я уже опубликовал это в списке рассылки solr-user и не получил ответа.)