背景：我刚看完Apache Solr 4 Cookbook。作者在其中提到需要明智地设置分片，因为不能将新的分片添加到现有集群中。但是，这是使用 Solr 4.0 编写的，目前我使用的是 4.1。现在还是这样吗？我希望我没有找到这个issue，我希望有人可以告诉我。
问题：在 SolrCloud 集群中设置分片时，我是否需要知道我将来会存储多少数据？ 我玩过Solandra 并阅读过elastic search，但老实说，我是 Solr 的粉丝（以及它的大型社区！）。我也喜欢动物园管理员。我现在卡住了还是有解决方法/补丁？
编辑：如果上面的问题是否定的，我可以用一堆（可能 100 个或更多）分片构建一个 SolrCloud 并让它们（内部）增长，而我增加我的数据，开始将它们一一剥离，然后放入更大、更快、资源更多的服务器中？
【问题讨论】：
是的，当然可以。您必须设置一个指向同一个 zookeeper 实例的新 Solr 服务器。在引导期间，服务器连接到 zk ensemble 并将自己注册为集群成员。
一旦注册过程完成，服务器就可以创建新内核了。您可以使用CoreAdmin 创建现有分片的副本。您也可以创建新的分片，但由于 Lucene 索引格式（并非所有字段都存储），它们不会被平衡，因为它可能没有所有文档信息来重新平衡集群，所以只有新的索引/更新的文档才能到达此服务器（不建议这样做）。
当您设置 SolrCloud 时，您必须在创建集群时考虑到您的文档数量增长因素，因此如果您一开始有 100 万个文档并且它以 10k 文档/天的速度增长，请使用 5 个分片设置集群，所以在开始时您必须在两台机器的初始设置中托管此分片，但将来，您可以根据需要将新服务器添加到集群和move those shards to this new servers。注意不要让集群过度增长，因为在 Lucene 中，跨 5 个分片拆分的单个 20Gb 索引不会是每个分片中的 4Gb 索引。每个分片大约需要 (single_index_size/num_shards)*1.1（由于字典压缩）。这可能会根据您的术语频率而改变。
您最后的机会是将新服务器添加到集群中，而不是向现有服务器添加新的分片/副本，而是使用您的新分片设置一个新的不同集合，并与这个新集合并行重新索引。然后，一旦你的重新索引过程完成，交换这个集合和旧的集合。
【讨论】：
该问题的一个解决方案是在创建集合时使用“隐式路由器”。
比方说 - 您必须将应用程序的所有“Audit Trail”数据索引到 Solr。每天都会添加新数据。您很可能希望按年分片。
您可以在收藏集的初始设置期间执行以下操作：
admin/collections?
action=CREATE&
name=AuditTrailIndex&
router.name=implicit&
shards=2010,2011,2012,2013,2014&
router.field=year
上面的命令： a) 创建 5 个分片 - 当前和最近 4 年各一个 2010,2011,2012,2013,2014 b) 根据“year”字段（指定为 router.field）的值将数据路由到正确的分片
在 2014 年 12 月，您可以使用 CREATESHARD API（集合 API 的一部分）添加一个新的分片，为 2015 年做准备 - 执行以下操作：
/admin/collections?
action=CREATESHARD&
shard=2015&
collection=AuditTrailIndex
上面的命令在同一个集合上创建一个新的分片。
假设您的数据的“年份”字段正确填充到 2015 年，所有数据将在 2015 年自动索引到“2015”分片中。
在 2015 年，如果您认为不需要 2010 分片（根据您的数据保留要求），您可以随时使用 DELETESHARD API 来执行此操作：
/admin/collections?
action=DELETESHARD&
shard=2015&
collection=AuditTrailIndex
附：只有在创建集合时使用“隐式路由器”时，此解决方案才有效。当您使用默认的“compositeId 路由器”时不起作用 - 即使用 numshards 参数创建的集合。
此功能真正改变了游戏规则 - 允许根据您不断增长的业务需求动态添加分片。
【讨论】：