Sphinx介绍工作原理、配置

What/Sphinx是什么

定义

Sphinx是一个全文检索引擎。

特性

• 索引和性能优异
• 易于集成SQL和XML数据源，并可使用SphinxAPI、SphinxQL或者SphinxSE搜索接口
• 易于通过分布式搜索进行扩展
• 高速的索引建立(在当代CPU上，峰值性能可达到10 ~ 15MB/秒)
• 高性能的搜索 (在1.2G文本，100万条文档上进行搜索，支持高达每秒150~250次查询)

 

Why/为什么使用Sphinx

遇到的使用场景

遇到一个类似这样的需求：用户可以通过文章标题和文章搜索到一片文章的内容，而文章的标题和文章的内容分别保存在不同的库，而且是跨机房的。

可选方案

A、直接在数据库实现跨库LIKE查询

优点：简单操作

缺点：效率较低，会造成较大的网络开销

B、结合Sphinx中文分词搜索引擎

优点：效率较高，具有较高的扩展性

缺点：不负责数据存储

使用Sphinx搜索引擎对数据做索引，数据一次性加载进来，然后做了所以之后保存在内存。这样用户进行搜索的时候就只需要在Sphinx服务器上检索数据即可。而且，Sphinx没有MySQL的伴随机磁盘I/O的缺陷，性能更佳。

其他典型使用场景

1、快速、高效、可扩展和核心的全文检索

• 数据量大的时候，比MyISAM和InnoDB都要快。
• 能对多个源表的混合数据创建索引，不限于单个表上的字段。
• 能将来自多个索引的搜索结果进行整合。
• 能根据属性上的附加条件对全文搜索进行优化。 

2、高效地使用WHERE子句和LIMIT字句

当在多个WHERE条件做SELECT查询时，索引选择性较差或者根本没有索引支持的字段，性能较差。sphinx可以对关键字做索引。区别是，MySQL中，是内部引擎决定使用索引还是全扫描，而sphinx是让你自己选择使用哪一种访问方法。因为sphinx是把数据保存到RAM中，所以sphinx不会做太多的I/O操作。而mysql有一种叫半随机I/O磁盘读，把记录一行一行地读到排序缓冲区里，然后再进行排序，最后丢弃其中的绝大多数行。所以sphinx使用了更少的内存和磁盘I/O。

3、优化GROUP BY查询

在sphinx中的排序和分组都是用固定的内存，它的效率比类似数据集全部可以放在RAM的MySQL查询要稍微高些。

4、并行地产生结果集

sphinx可以让你从相同数据中同时产生几份结果，同样是使用固定量的内存。作为对比，传统SQL方法要么运行两个查询，要么对每个搜索结果集创建一个临时表。而sphinx用一个multi-query机制来完成这项任务。不是一个接一个地发起查询，而是把几个查询做成一个批处理，然后在一个请求里提交。

5、向上扩展和向外扩展

• 向上扩展：增加CPU/内核、扩展磁盘I/O
• 向外扩展：多个机器，即分布式sphinx

6、聚合分片数据

适合用在将数据分布在不同物理MySQL服务器间的情况。
例子：有一个1TB大小的表，其中有10亿篇文章，通过用户ID分片到10个MySQL服务器上，在单个用户的查询下当然很快，如果需要实现一个归档分页功能，展示某个用户的所有朋友发表的文章。那么就要同事访问多台MySQL服务器了。这样会很慢。而sphinx只需要创建几个实例，在每个表里映射出经常访问的文章属性，然后就可以进行分页查询了，总共就三行代码的配置。

 

介绍了Sphinx的工作原理，关于如何安装的文章在网上有很多，笔者就不再复述了，现在继续讲解Sphinx的配置文件，让Sphinx工作起来。

How/如何使用Sph