Sphinx

什么是Sphinx

为什么要用Sphinx?

原因1: MySQL不支持中文全文检索,模糊查询(like)慢

原因2: sphinx支持中文全文检索,并且支持分词高亮

什么是Sphinx

就是一个软件,用来代替MySQL全文检索

sphinx的特性

强,快

特性

高速的建立索引(峰值达10M/s)

高性能的搜索(2-4G的文件数据上,平均每次检索0.1秒左右)

可处理海量数据 (字符串,布尔..)

优势

sphinx单一索引最大可包含1亿条记录,在1千万记录情况下的查询速度为0.x秒(毫秒级)

sphinx创建索引的速度为: 创建100万条记录的索引只需3~4分钟,创建1000万条记录的索引可以在50分钟内完成,而值包含最新10万条记录增量索引,重建一次只需十几秒

Snipaste_2018-07-10_19-41-26.png

sphinx执行的过程

步骤1：通过sphinx去MySQL中获取并建立索引文件
步骤2：通过php去sphinx中查询数据并返回ID
步骤3：根据ID去MySQL中查询具体数据

安装Sphinx

什么是Coreseek

Coreseek是一款中文全文检索/搜索软件,基于Sphinx研发并独立发布.专攻中文搜索和信息处理领域,使用于行业/垂直搜索,论坛/站内搜索,数据库搜索,文档/文献检索,信息检索,数据挖掘等应用场景

简单的来说就是中文版的sphinx

Coreseek和sphinx的关系

sphinx默认支持英文和俄文,但是它提供了一种方法可以支持任意一种语言,但是需要自己写相关语言词库

Coreseek是在sphinx的基本上添加了中文词库的二次开发

简单概括: sphinx由俄国人开发,默认不支持中文,但是提供了接口,coreseek基于该接口开发

下载地址

Sphinx官网：http://www.sphinxsearch.com

coreseek官网：http://www.coreseek.com

安装Coreseek

安装包目录文件

coreseek-3.2.14-win32\bin\indexer.exe      创建索引
coreseek-3.2.14-win32\bin\searchd.exe       服务器端
coreseek-3.2.14-win32\etc\csft_mysql.conf   配置文件

配置sphinx

创建数据库

将etc/csft_mysql.conf复制并更名为sphinx.conf

将shpinx.conf中内容更换为一下代码

#数据源：数据来源定义（数据库信息、数据源SQL语句）
source music
{
    #下面是sql数据库特有的端口，用户名，密码，数据库名等。
    type                    = mysql

    sql_host                = localhost
    sql_user                = root
    sql_pass                = admin
    sql_db                  = youhua3
    sql_port                = 3306
    sql_query_pre           = SET NAMES utf8

    #sql_query属性：取出要创建索引的数据
    #要求1：SELECT的第一个字段必须是主键、
    #要求2：第一个字段的名字（别名）必须是id
    #要求3：其他的字段就是要创建索引的字段
    #需  求：为歌曲表中的title和author和content字段创建索引
    sql_query               = SELECT id, title, author, content FROM music
}

#索引的定义（索引文件存放的位置，索引文件的名字）
#每个index对应一个数据源，用来定义这个数据源生成的索引文件的信息
index music
{
    #该索引对应哪个数据源
    source            = music
    #索引文件存放的目录和名字（存到E:/sphinx/var/data/目录下，索引文件的名字是music）
    path              = E:/sphinx/var/data/music  
    docinfo           = extern
    mlock             = 0
    morphology        = none
    min_word_len      = 1
    html_strip        = 0
    
    #词库文件所在的目录
    charset_dictpath = E:/sphinx/etc/

#字符集编码类型，可以为：（sbcs,utf-8,zh_cn.utf-8,zh_ch.gbk,zh_ch.big5）
    charset_type        = zh_cn.utf-8
}

#全局index定义
indexer
{
    #建立索引的时候，索引内存限制
    mem_limit            = 128M
}

#searchd服务定义
searchd
{
    listen              =   9312
    read_timeout        = 5
    max_children        = 30
    max_matches         = 1000
    seamless_rotate     = 0
    preopen_indexes     = 0
    unlink_old          = 1
    
    # 进程id文件
    pid_file = E:/sphinx/var/log/searchd_mysql.pid  
    # 系统日志存放的位置
    log = E:/sphinx/var/log/searchd_mysql.log        
    # 查询日志存放的位置
    query_log = E:/sphinx/var/log/query_mysql.log
}
注: 修改路径和数据库账号密码
    Findex music     创建music索引（和source一一对应，表示该索引通过哪些数据创建）
    source music1   创建music数据源

创建索引

sphinx\bin> 创建指定索引语法 : indexer.exe -c 配置路径/文件 索引名

sphinx\bin> 创建全部索引语法 : indexer.exe -c 配置路径/文件 --all

示例 /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all

使用PHP API操作Sphinx

创建Sphinx服务

bin>创建服务 : searche.exe -c 配置路径/文件 --install

示例 /usr/local/sphinx/bin/searche --config /usr/local/sphinx/etc/sphinx.conf --install

window10下可能有权限问题，需要管理员身份运行

删除服务 : sc delete 服务名

启动服务: net start 服务名

关闭服务: net stop 服务名

PHP操作

复制sphinx\api目录中的接口文件sphinxapi.php放到站点目录

在站点目录创建test.php引入该文件

<?php

#步骤1：引入sphinx接口文件
require './sphinxapi.php';

#步骤2：实例化对象
$sp = new SphinxClient;

#步骤3：设置服务
$sp->SetServer('localhost', 9312);

#步骤4：设置匹配模式 

#步骤5：设置查询条数
$sp->SetLimits(0, 5000);

#步骤6：发送查询
$rs = $sp->query('冬天', 'music');

echo '<pre>';
print_r($rs);

匹配模式

语法: $sp -> SetMatchMode(常量)

SPH_MATCH_ALL            匹配所有词（默认）
SPH_MATCH_ANY            匹配一个词
SPH_MATCH_PHRASE     匹配整一个词
SPH_MATCH_BOOLEAN   将查询看作一个布尔表达式
SPH_MATCH_EXTENDED  查询看做一个sphinx的表达式

举例: 我喜欢PHP

分词: 我 喜欢 PHP

准备工作: 先停止服务-> 创建索引->启动服务

匹配所有词(SPH_MATCH_ALL)

说明:我 喜欢 PHP 字段都要存在, 位置不限

<?php

#步骤1：引入sphinx接口文件
require './sphinxapi.php';

#步骤2：实例化对象
$sp = new SphinxClient;

#步骤3：设置服务
$sp->SetServer('localhost', 9312);

#步骤4：设置匹配模式
$sp->SetMatchMode(SPH_MATCH_ALL);

#步骤5：设置查询条数
$sp->SetLimits(0, 5000);

#步骤6：发送查询
$rs = $sp->query('我喜欢PHP', 'music');

echo '<pre>';
print_r($rs); #

匹配一个词(SPH_MATCH_ANY)

说明: 我 喜欢 PHP 只要有一个存在,就匹配

#步骤4：设置匹配模式
$sp->SetMatchMode(SPH_MATCH_ANY);

匹配整个词(SPH_MATCH_PHRASE)

说明: 我 喜欢 PHP 都必须存在 位置必须一致

#步骤4：设置匹配模式
$sp->SetMatchMode(SPH_MATCH_PHRASE);

将查询看作一个布尔表达式(SPH_MATCH_BOOLEAN)

#步骤4：设置匹配模式
$sp->SetMatchMode(SPH_MATCH_BOOLEAN);

查询看做一个sphinx的表达式(SPH_MATCH_EXTENDED)

说明: 查询指定字段的内容 @字段 内容

举例: @title 内容 @content 内容 @author 内容

#步骤4：设置匹配模式
$sp->SetMatchMode(SPH_MATCH_EXTENDED);
#步骤5：设置查询条数
$sp->SetLimits(0, 5000);

#步骤6：发送查询
$rs = $sp->query('@content PHP @author 校长'); #内容=PHP并作者=校长

echo '<pre>';
print_r($rs); #

将Sphinx的结果转为具体信息

步骤1：通过sphinx去mysql中获取数据并建立索引文件

步骤2：通过php去sphinx匹配数据ID

步骤3：根据ID去数据库中查询数据

查询

<?php
#步骤1：引入sphinx接口文件
require './sphinxapi.php';
#步骤2：实例化对象
$sp = new SphinxClient;
#步骤3：设置服务
$sp->SetServer('localhost', 9312);
#步骤4：设置匹配模式
$sp->SetMatchMode(SPH_MATCH_ALL);
#步骤5：设置查询条数
$sp->SetLimits(0, 5000);
#步骤6：发送查询
$rs = $sp->query('我喜欢PHP', 'music');


//获取所有数据库数据ID
$ids = array_keys($rs['matches']);
$ids = implode(',', $ids);
//获取数据 select * from 表名 where id in (1,2,4,5)
$pdo = new PDO('mysql:dbname=youhua3', 'root', 'root');
$pdoStatementObj = $pdo->query("select * from music where id in ($ids)");
$musics = $pdoStatementObj->fetchAll(PDO::FETCH_ASSOC);
//循环显示数据
foreach ($musics as $music) {
    echo $music['id'] . '__' . $music['author'] . '<hr />';
}

高亮显示搜索词

#将上面代码foreach改为以下代码
foreach ($musics as $music) {
    echo $music['id'] . '<br />';
    echo str_replace('冬天', '<font color=red>冬天</font>', $music['title']) . '<br />';
    echo str_replace('冬天', '<font color=red>冬天</font>', $music['author']) . '<br />';
    echo str_replace('冬天', '<font color=red>冬天</font>', $music['content']) . '<br />';
}

增量索引(Sphinx索引更新)

什么是增量索引

就是更新sphinx索引文件的表现称之为增量索引

为什么要学习增量索引

因为数据库每天数据都在变化,所以需要在原索引的基础上继续增加索引

使用indexer.exe生成增量索引

创建索引语法: indexer -c 配置文件 索引名

合并索引语法: indexer -c 配置文件 --merge 主索引名 新索引名 --rotate(强制合并)

操作

先创建数据表 用于记录那些数据已经被创建索引

create table sphinx
(
    max_id int unsigned not null default 0
)
#该表作用：用于记录music表哪些数据已被创建索引，哪些数据未被创建索引
#获取未创建索引数据：select * from music where id >  sphinx表记录的数字

修改配置文件(记录已创建索引的数据)

一 打开shpinx.conf 配置文件

二 将下述代码粘贴到sphinx.conf中

source music
{
    #下面是sql数据库特有的端口，用户名，密码，数据库名等。
    type                    = mysql

    sql_host                = localhost
    sql_user                = root
    sql_pass                = admin
    sql_db                  = youhua3
    sql_port                = 3306
    sql_query_pre           = SET NAMES utf8

    #sql_query属性：取出要创建索引的数据
    #要求1：SELECT的第一个字段必须是主键、
    #要求2：第一个字段的名字（别名）必须是id
    #要求3：其他的字段就是要创建索引的字段
    #需  求：为歌曲表中的title和author和content字段创建索引
    sql_query               = SELECT id, title, author, content FROM music

#★ 该部分代码放到music数据源中
#目的：记录已经创建索引的数据
#建完索引这后　，把最后一条记录的id存到sphinx表中
    #在主查询（sql_query）之后执行的ＳＱＬ
    sql_query_post = INSERT INTO sphinx SELECT MAX(id) FROM music
}

#索引的定义（索引文件存放的位置，索引文件的名字）
#每个index对应一个数据源，用来定义这个数据源生成的索引文件的信息
index music
{
    #该索引对应哪个数据源
    source            = music
    #索引文件存放的目录和名字（存到E:/sphinx/var/data/目录下，索引文件的名字是music）
    path              = E:/sphinx/var/data/music  
    docinfo           = extern
    mlock             = 0
    morphology        = none
    min_word_len      = 1
    html_strip        = 0
    
    #词库文件所在的目录
    charset_dictpath = E:/sphinx/etc/

#字符集编码类型，可以为：（sbcs,utf-8,zh_cn.utf-8,zh_ch.gbk,zh_ch.big5）
    charset_type        = zh_cn.utf-8
}

#全局index定义
indexer
{
    #建立索引的时候，索引内存限制
    mem_limit            = 128M
}

#searchd服务定义
searchd
{
    listen              =   9312
    read_timeout        = 5
    max_children        = 30
    max_matches         = 1000
    seamless_rotate     = 0
    preopen_indexes     = 0
    unlink_old          = 1
    
    # 进程id文件
    pid_file = E:/sphinx/var/log/searchd_mysql.pid  
    # 系统日志存放的位置
    log = E:/sphinx/var/log/searchd_mysql.log        
    # 查询日志存放的位置
    query_log = E:/sphinx/var/log/query_mysql.log
}

修改配置文件(增加新索引)

打开shpinx.conf文件

将下述代码追加 (记得修改密码和路径)

# 数据源
source music_add
{
    # 下面是sql数据库特有的端口，用户名，密码，数据库名等。
    type                    = mysql

    sql_host                = localhost
    sql_user                = root
    sql_pass                = admin
    sql_db                  = youhua3
    sql_port                = 3306
    sql_query_pre           = SET NAMES utf8


    # (SELECT MAX(max_id) FROM sphinx)  目的，规避重复创建索引
    sql_query = SELECT id, title, author,content FROM music WHERE id > (SELECT MAX(max_id) FROM sphinx)

# 建完索引这后　，把最后一条记录的id存到sphinx表中
# 在主查询（sql_query）之后执行的ＳＱＬ
sql_query_post = UPDATE sphinx SET max_id = (SELECT MAX(id) FROM music)
}


# 数据索引
index music_add
{
    # 对应的source数据来源名称
    source            = music_add
    path              = E:/sphinx/var/data/music_add
    docinfo           = extern  
    mlock             = 0
    morphology        = none
    min_word_len      = 1
    html_strip        = 0

    # 词库文件所在的目录
    charset_dictpath = E:/sphinx/etc/

    charset_type      = zh_cn.utf-8
}

记录已创建索引的数据(初始化一把)

停止服务->创建music索引->开启服务->查看sphinx表

测试录入新数据自动跟新索引

创建sphinx.bat文件 ,并输入下属内容(路径注意)

E:\sphinx\bin\indexer -c E:\sphinx\etc\sphinx.conf music_add #用于给music表未创建索引数据增加索引
E:\sphinx\bin\indexer -c E:\sphinx\etc\sphinx.conf --merge music music_add --rotate #将music_add索引合并到music索引中

打开music表新录入数据

双击运行sphinx.bat更新索引(注: 用管理员身份运行)

通过PHP代码测试查询新增数据

定时任务

把这个sphinx.bat文件添加到windows系统上的计划任务,让系统定时执行这个文件中的两个任务

打开控制面板 ->找到管理工具->任务计划程序->创建任务

勾选最高权限运行 在操作中新建程序

触发器中建立执行时间

作者：空留灯半盏
链接：https://www.jianshu.com/p/513413143b80
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。