from:
http://hi.baidu.com/liemeng/blog/item/bd60546679162428ab184ccd.html
http://www.cnblogs.com/chenzehe/archive/2010/11/04/1869388.html
关注:
http://blog.csdn.net/jucrazy/article/details/6739162
什么是Sphinx
Sphinx 是一个在GPLv2 下发布的一个全文检索引擎,商业授权(例如, 嵌入到其他程序中)
需要联系我们(Sphinxsearch.com)以获得商业授权。
一般而言,Sphinx是一个独立的搜索引擎,意图为其他应用提供高速、低空间占用、高结果
相关度的全文搜索功能。Sphinx可以非常容易的与SQL数据库和脚本语言集成。
当前系统内置MySQL和PostgreSQL 数据库数据源的支持,也支持从标准输入读取特定格式
的XML数据。通过修改源代码,用户可以自行增加新的数据源(例如:其他类型的DBMS
的原生支持)。
搜索API支持PHP、Python、Perl、Rudy和Java,并且也可以用作MySQL存储引擎。搜索
API非常简单,可以在若干个小时之内移植到新的语言上。
Sphinx 是SQL Phrase Index的缩写,但不幸的和CMU的Sphinx项目重名
Sphinx的特性
- 高速的建立索引(在当代CPU上,峰值性能可达到10 MB/秒);
- 高性能的搜索(在2 – 4GB 的文本数据上,平均每次检索响应时间小于0.1秒);
- 可处理海量数据(目前已知可以处理超过100 GB的文本数据, 在单一CPU的系统上可
处理100 M 文档); - 提供了优秀的相关度算法,基于短语相似度和统计(BM25)的复合Ranking方法;
- 支持分布式搜索;
- provides document exceprts generation;
- 可作为MySQL的存储引擎提供搜索服务;
- 支持布尔、短语、词语相似度等多种检索模式;
- 文档支持多个全文检索字段(最大不超过32个);
- 文档支持多个额外的属性信息(例如:分组信息,时间戳等);
- 停止词查询;
- 支持单一字节编码和UTF-8编码;
- 原生的MySQL支持(同时支持MyISAM 和InnoDB );
- 原生的PostgreSQL 支持.
一、安装所需文件
mmseg-0.7.3.tar.gz中文分词
mysql-5.1.26-rc.tar.gz mysql-5.1.26源代码
sphinx-0.9.9.tar.gz sphinx-0.9.9-release源代码
fix-crash-in-excerpts.patch sphinx支持分词补丁
sphinx-0.98rc2.zhcn-support.patch sphinx支持分词补丁
二、开始安装
1.安装libmmseg
tar -zxvf mmseg-0.7.3.tar.gz
cd mmseg-0.7.3
./configure --prefix=/usr/local/mmseg
make
make install
cd ..
安装mmseg完成,测试一下
mmseg
Coreseek COS(tm) MM Segment 1.0
Copyright By Coreseek.com All Right Reserved.
Usage: mmseg <option> <file>
-u <unidict> Unigram Dictionary
-r Combine with -u, used a plain text build Unigram Dictionary, default Off
-b <Synonyms> Synonyms Dictionary
-h print this help and exit
有问题可以尝试执行下面命令
echo '/usr/local/mmseg/lib' >> /etc/ld.so.conf
ldconfig -v
ln -s /usr/local/mmseg/bin/mmseg /bin/mmseg
2.重新编译mysql
在安装之前先打两个补丁,这个是支持中文必须打的补丁
- tar -zxvf sphinx-0.9.8-rc2.tar.gz
- cd sphinx-0.9.8
- patch -p1 < ../sphinx-0.98rc2.zhcn-support.patch
- patch -p1 < ../fix-crash-in-excerpts.patch
之前我已安装了mysql5.1.26,这里略过具体安装步骤
mysql编译路径
/root/lemp/mysql-5.1.26-rc/
mysql安装路径
/opt/mysql
安装之前关闭mysql
- /opt/mysql/bin/mysql.server stop
接着将sphinx下的mysqlse 文件夹下的数据拷贝到mysql-5.1.26-rc/storage/sphinx 下面
(这样才能在编译mysql的时候把SphinxSE存储引擎编译进去)
- cp -rf mysqlse /root/lemp/mysql-5.1.26-rc/storage/sphinx
- cd /root/lemp/mysql-5.1.26-rc
- make clean
- sh BUILD/autorun.sh
- #这步是必须的,请勿遗漏
开始重新编译
- CFLAGS="-O3" CXX=gcc CXXFLAGS="-O3 -felide-constructors -fno-exceptions -fno-rtti" ./configure --prefix=/opt/mysql --localstatedir=/opt/mysql/var --sysconfdir=/opt/mysql --without-debug --with-unix-socket-path=/opt/mysql/mysql.sock --with-big-tables --with-charset=gbk --with-collation=gbk_chinese_ci --with-client-ldflags=-all-static --with-mysqld-ldflags=-all-static --enable-assembler --with-extra-charsets=gbk,gb2312,utf8 --with-pthread --enable-thread-safe-client --with-innodb --with-plugins=sphinx
- make
- make install
- configure: error: unknown plugin: sphinx
解决方法:
sudo yum install autoconf automake libtool
sh BUILD/autorun.sh
./configure -h
查看最低下有否包含了sphinx
- === Sphinx Storage Engine ===
- Plugin Name: sphinx
- Description: Sphinx Storage Engines
- Supports build: static and dynamic
- Configurations: max, max-no-ndb
然后再编译
make时错误
- ../libtool: line 466: CDPATH: command not found
- ../libtool: line 1144: func_opt_split: command not found
- libtool: Version mismatch error. This is libtool 2.2.6, but the
- libtool: definition of this LT_INIT comes from an older release.
- libtool: You should recreate aclocal.m4 with macros from libtool 2.2.6
- libtool: and run autoconf again.
- make[1]: *** [conf_to_src] 错误 63
- make[1]: Leaving directory `/home/andychu/lemp2/mysql-5.1.26-rc/strings'
- make: *** [all-recursive] 错误 1
libtool版本不一至产生错误,可以将已安装的libtool覆盖到编译目录
cp /usr/local/bin/libtool .
再重新编译
在fedora 下面可能会提示 libtinfo.so.5 缺少
cd client
vim Makefile
找到 LIBS 在后面添加 /lib/libtinfo.so.5
编译完成,启动mysql,检查SphinxSE存储引擎是否编译进去
/opt/mysql/bin/mysql.server start
/opt/mysql/bin/mysql -uroot -p
mysql> show engines;
+------------+---------+-----------------------------------------------------------+--------------+------+------------+
| Engine | Support | Comment | Transactions | XA | Savepoints |
+------------+---------+-----------------------------------------------------------+--------------+------+------------+
| CSV | YES | CSV storage engine | NO | NO | NO |
| SPHINX | YES | Sphinx storage engine 0.9.9 | NO | NO | NO |
| MEMORY | YES | Hash based, stored in memory, useful for temporary tables | NO | NO | NO |
| MRG_MYISAM | YES | Collection of identical MyISAM tables | NO | NO | NO |
| MyISAM | DEFAULT | Default engine as of MySQL 3.23 with great performance | NO | NO | NO |
+------------+---------+-----------------------------------------------------------+--------------+------+------------+
5 rows in set (0.00 sec)
此时我们可以看到已经包含sphinxSE 引擎
3.安装sphinx
./configure --prefix=/usr/local/sphinx --with-mysql=/usr/local/mysql/ --with-mysql-includes=/usr/local/mysql/include/mysql/ --with-mysql-libs=/usr/local/mysql/lib/mysql/ --with-mmseg-includes=/usr/local/mmseg/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg/lib --with-mmseg
头文件没找到:
- tokenizer_zhcn.cpp:1:30: SegmenterManager.h: 没有那个文件或目录
- tokenizer_zhcn.cpp:2:23: Segmenter.h: 没有那个文件或目录
- make clean
- ./configure --prefix=/usr/local/sphinx --with-mysql=/opt/mysql \
- --with-mysql-includes=/opt/mysql/include/mysql --with-mysql-libs=/opt/mysql/lib/mysql \
- --with-mmseg-includes=/usr/local/mmseg/include/mmseg --with-mmseg-libs=/usr/local/mmseg/lib --with-mmseg
- /root/sphinx/sphinx-0.9.8-rc2/src/tokenizer_zhcn.cpp:34: undefined reference to `libiconv_close'
- collect2: ld returned 1 exit status
官网解决办法:
In the meantime I've change the configuration file and set
#define USE_LIBICONV 0 in line 8179.
修改configure 文件把 #define USE_LIBICONV 0 最后的数值由1改为0
重新编译。
- make clean
- ./configure --prefix=/usr/local/sphinx --with-mysql=/opt/mysql \
- --with-mysql-includes=/opt/mysql/include/mysql --with-mysql-libs=/opt/mysql/lib/mysql \
- --with-mmseg-includes=/usr/local/mmseg/include/mmseg --with-mmseg-libs=/usr/local/mmseg/lib --with-mmseg
vi configure
输入/define USE_LIBICONV 找到目标行
按i键后将1改成0,按esc,输入:wq保存退出
- make
- make install
复制一份sphinx的配置
- cd /usr/local/sphinx/etc
- cp sphinx.conf.dist sphinx.conf
4.配置sphinx
修改/usr/local/sphinx/etc/sphinx.conf
type = mysql
# some straightforward parameters for SQL source types
sql_host = localhost
sql_user = root
sql_pass =
sql_db = test
sql_port = 3306 # optional, default is 3306
address = 127.0.0.1 #安全点可以只监听本机
5.索引建立
装好sphinx后在sphinx的目录中有三个目录 分别为bin etc var
bin中 存有sphinx用到的一些执行文件 包括 indexer 索引建立 search 查询工具 searchd 查询服务器 等
为了下面测试方便,我们先将sphinx.conf自带的example.sql脚本倒入的mysql中
//创建了一个test库,并建立了documents测试表和数据
/opt/mysql/bin/mysql -uroot -p < /usr/local/sphinx/etc/example.sql
索引的建立方法为
/usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf test1
test1为资源名称 不写为默认所有都建立索引
附:
建立索引期间可能由于不同版本的数据库导致indexer找不到共享库libmysqlclient.so.16
需要把/opt/mysql/lib/mysql/libmysqlclient.so.16.0.0 这个文件复制到/usr/lib下 或者作软连接即可
6.查询服务器
/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf #为开启
/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf --stop #为关闭
sphinx的查询 可以大致分为三种
1 数据库引擎中的查询
2 通过search工具查询
/usr/local/sphinx/bin/search --config /usr/local/sphinx/etc/sphinx.conf test
3 通过php的接口查询 详见sphinxapi.php.
三、在mysql中的使用SphinxSE方式调用Sphinx
1.在mysql中的使用SphinxSE方式调用Sphinx
首先建立一张索引专用表:
CREATETABLE`sphinx`(
`id`int(11)NOTNULL,
`weight`int(11)NOTNULL,
`query`varchar(255)NOTNULL,
`CATALOGID`INTNOTNULL,
`EDITUSERID`INTNOTNULL,
`HITS`INTNULL,
`ADDTIME`INTNOTNULL, KEY
`Query`(`Query`)
) ENGINE=SPHINXDEFAULTCHARSET=utf8CONNECTION='sphinx://localhost:3312/test1'
test1:索引的名称,可以在sphinx.conf中查找到
建立完索引专用表后,我们就可以在mysql中使用它了,例如,在mysql中输入
SELECT doc.* FROM documents doc JOIN sphinx ON (doc.id =sphinx.id) WHERE query ='doc;mode= any'
运行后,结果记录中将会显示包含doc字符串的所用记录行
关于query的语法,还有sphinx的配置等信息你可以请参考:
http://www.sphinxsearch.com/doc.html
2.中文分词应用
生成词典
进入到mmseg的源代码目录后
- cd data
- mmseg -u unigram.txt
在data下边会产生一个文件unigram.txt.uni
这个就是生成的字典 然后把字典改名为uni.lib放在可以读取的目录中即可
- cp unigram.txt.uni /usr/local/sphinx/uni.lib
修改 sphinx.conf(/usr/local/sphinx/etc/sphinx.conf)配置文件
在索引中加入
- charset_type = zh_cn.utf-8
- charset_dictpath = /usr/local/sphinx/
数据库中增加一条中文数据
INSERT INTO `test`.`documents` (
`id`,
`group_id` ,
`group_id2` ,
`date_added` ,
`title` ,
`content`
) VALUES (NULL , '3', '9', NOW( ) , 'sphinx中文搜索', 'Sphinx是一个基于SQL的全文检索引擎,可以结合MySQL,PostgreSQL做全文搜索,它可以提供比数据库本身更专业的搜索功能,使得应用程序更容易实现专业化的全文检索。Sphinx特别为一些脚本语言设计搜索API接口,如PHP,Python,Perl,Ruby等,同时为 MySQL也设计了一个存储引擎插件。 ');
(如果searchd已经再运行,先kill 它再运行)
注意:在添加完数据后,需要重新加载索引,这样新的数据才能被缓存进去
重建索引,成功后,开启索引监听
- /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all
- /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf
在ide硬盘上建索引的速度
- indexing index 'test1'...
- collected 423228 docs, 637.2 MB
- sorted 125.5 Mhits, 100.0% done
- total 423228 docs, 637201412 bytes
- total 753.401 sec, 845766.13 bytes/sec, 561.76 docs/sec
这样,就可以在phpmyadmin中进行测试了。
- SELECT doc. * FROM documents doc JOIN sphinx ON ( doc.id = sphinx.id )
- WHERE query = '设计;mode= any '
好像没出来。。。。
修改 sphinx.conf
去掉下面的注释
- sql_query_pre = SET NAMES utf8
再重启searchd就可以搜出结果了
参考:
http://www.coreseek.com/uploads/pdf/sphinx_doc_zhcn_0.9.pdf
http://www.sphinxsearch.com/wiki/doku.php?id=sphinx_chinese_tutorial
http://www.cnblogs.com/hushixiu/articles/1295605.html
http://blog.xoyo.com/dcyhldcyhl/article/839863.shtml
http://blog.sina.com.cn/s/blog_5aefd9770100axf1.html
http://blog.s135.com/post/360/
2009-06-28更新
编码的解决方法(未经测试)
-------------------------------------------------------------------------------
转换现有表的数据
iconv -f GB18030 -t utf-8 -o dump.sql dump_utf8.sql
也可以不转换,直接使用现有的GBK的数据,但是需要设置连接方式
mysql_query("SET character_set_client = 'gbk'", $conn);
mysql_query("SET character_set_connection ='gbk'", $conn); //设置character_set_connection也就同时设置了collation_connection
//mysql_query("SET collation_connection = 'gbk'", $conn);
mysql_query("SET character_set_results ='utf8'", $conn);
这三个设置后,查询得到的结果,就是UTF8编码的结果了。合适给SPHINX使用。
mysql_query("SET SESSION query_cache_type=OFF", $conn);
//indexer建立索引时的查询,不需要缓存的
-------------------------------------------------------------------------------
2009-06-28更新
coreseek网站好像出问题不能下载咯。
提供安装部分文件下载,共3.6M,包含以下文件
build_delta_index.sh
build_main_index.sh
fix-crash-in-excerpts.patch
mmseg-0.7.3.tar.gz
sphinx-0.9.8-rc2.tar.gz
sphinx-0.98rc2.zhcn-support.patch
sphinx.conf
sphinxapi.php
test.php
test2.php
-------------------------------------------------------------------------------
2009-06-28更新
使用service 控制sphinx
先增加一sphinx用户并属于website组(事先已存在),并修改sphinx目录的属主
- useradd -d /usr/local/sphinx -g website -s /sbin/nologin sphinx
- chown -R sphinx:website /usr/local/sphinx
创建/etc/init.d/sphinx脚本
- #!/bin/sh
- # sphinx: Startup script for Sphinx search
- #
- # chkconfig: 345 86 14
- # description: This is a daemon for high performance full text \
- # search of MySQL and PostgreSQL databases. \
- # See http://www.sphinxsearch.com/ for more info.
- #
- # processname: searchd
- # pidfile: $sphinxlocation/var/log/searchd.pid
- # Source function library.
- . /etc/rc.d/init.d/functions
- processname=searchd
- servicename=sphinx
- username=sphinx
- sphinxlocation=/usr/local/sphinx
- pidfile=$sphinxlocation/var/log/searchd.pid
- searchd=$sphinxlocation/bin/searchd
- RETVAL=0
- PATH=$PATH:$sphinxlocation/bin
- start() {
- echo -n $"Starting Sphinx daemon: "
- daemon --user=$username --check $servicename $processname
- RETVAL=$?
- echo
- [ $RETVAL -eq 0 ] && touch /var/lock/subsys/$servicename
- }
- stop() {
- echo -n $"Stopping Sphinx daemon: "
- $searchd --stop
- #killproc -p $pidfile $servicename -TERM
- RETVAL=$?
- echo
- if [ $RETVAL -eq 0 ]; then
- rm -f /var/lock/subsys/$servicename
- rm -f $pidfile
- fi
- }
- # See how we were called.
- case "$1" in
- start)
- start
- ;;
- stop)
- stop
- ;;
- status)
- status $processname
- RETVAL=$?
- ;;
- restart)
- stop
- sleep 3
- start
- ;;
- condrestart)
- if [ -f /var/lock/subsys/$servicename ]; then
- stop
- sleep 3
- start
- fi
- ;;
- *)
- echo $"Usage: $0 {start|stop|status|restart|condrestart}"
- ;;
- esac
- exit $RETVAL
修改权限并加入到service,机器启动时自动启动
- chmod 755 /etc/init.d/sphinx
- chkconfig --add sphinx
- chkconfig --level 345 sphinx on
- chkconfig --list|grep sphinx #检查下
- service sphinx start #运行
- service sphinx stop #停止,官方的脚本在我的as4上有点问题,所以粗鲁的改了下
- service sphinx restart #重启
- service sphinx status #查看是否运行
检查下已用sphinx用户运行
- ps aux |grep searchd
- sphinx 24612 0.0 0.3 11376 6256 pts/1 S 14:07 0:00 searchd
参考:http://www.sphinxsearch.com/wiki/doku.php?id=for_centos_5
http://www.notsofaqs.com/catsdoc/doku.php?id=sphinx:install