Sphinx是开源的搜索引擎，它支持英文的全文检索。所以如果单独搭建Sphinx，你就已经可以使用全文索引了。但是往往我们要求的是中文索引，怎么做呢？国人提供了一个可供企业使用的，基于Sphinx的中文全文检索引擎。也就是说Coreseek实际上的内核还是Sphinx。
sphinx可以通过设置为“一元切分模式”来支持搜索中文
在实际使用中，搜索非中文的话，sphinx比coreseek要快；搜索短中文字符串的话，开启了“一元切分模式”的sphinx比coreseek要快；只有在搜索长中文字串时，coreseek的分词优势才能显现，比sphinx要快
根据你的应用场景来选择用哪个，如果是索引英文、数字、字符较多的数据，就用源生sphinx；如果是索引中文非常多非常长的数据，还是用coreseek吧。Coreseek是基于Sphinx开发的一款软件，对Sphinx做了一些改动，在中文方面支持得比Sphinx好
Sphinx 详细介绍可参考sphinx 中文站
本文以 wget http://files.opstool.com/man/coreseek-4.1-beta.tar.gz 为安装版本
遇到Makefile.in错误执行以下操作
aclocal
libtoolize –force
automake –add-missing
autoconf
autoheader
make clean
第一步：安装升级autoconf
因为coreseek需要autoconf 2.64以上版本，因此需要升级autoconf，不然会报错
安装方法如下：
yum -y install glibc-common libtool autoconf automake mysql-devel expat-devel
- 1
第二步：安装mmseg(coreseek所使用的词典)安装的过程一定要注意是否是在当前目录
tar -zxvf coreseek-4.1-beta.tar.gz
cd coreseek-4.1-beta
cd mmseg-4.1-beta/
./bootstrap #输出的warning信息可以忽略，如果出现error则需要解决
./configure --prefix=/usr/local/mmseg3
make
make install
# 检测是否安装完成
mmseg
提示：-bash: mmseg: command not found
# 问题解决方法
ln -s /usr/local/mmseg3/bin/mmseg /bin/mmseg
# 再测试下
mmseg
# 显示以下内容表示安装成功
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
-t <thesaurus> Thesaurus Dictionary
-h print this help and exit
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
第三步：安装csft-4.1-beta
cd csft-4.1-beta/
sh buildconf.sh #输出的warning信息可以忽略，如果出现error则需要解决
./configure \
--prefix=/usr/local/sphinx \
--without-unixodbc \
--with-mmseg \
--with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ \
--with-mmseg-libs=/usr/local/mmseg3/lib/ \
--with-mysql=/usr/local/mysql/ \
make
make install
测试mmseg分词和coreseek搜索
cd testpack
cat var/test/test.xml #此时应该正确显示中文
/usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc var/test/test.xml
/usr/local/sphinx/bin/indexer -c etc/csft.conf --all
/usr/local/sphinx/bin/search -c etc/csft.conf 网络搜索
#此时正确的应该返回
words:
1. '网络': 1 documents, 1 hits
2. '搜索': 2 documents, 5 hits 第四步：配置mmseg中文分词
目前这里不用操作，安装时已经帮我配置好了
cd /usr/local/mmseg3/
# 生成unigram.txt.uni
./bin/mmseg -u /usr/local/mmseg/etc/unigram.txt
vim etc/mmseg.ini
[mmseg]
merge_number_and_ascii=0; ;合并英文和数字 abc123/x
number_and_ascii_joint=; ;定义可以连接英文和数字的字符
compress_space=1; ;暂不支持
seperate_number_ascii=0; ;将字母和数字打散
# 复制到sphinx/dict目录
cp etc/mmseg.ini /usr/local/sphinx/dict/mmseg.ini
# 复制到sphinx/dict目录
cp etc/unigram.txt /usr/local/sphinx/dict/uni.lib
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
第五步：配置sphinx
# 创建配置文件
mkdir -p /usr/local/sphinx/etc/conf.d/
vim /usr/local/sphinx/etc/conf.d/sphinx.conf
- 1
- 2
- 3
- 4
sphinx.conf 官方最简配置文件内容
配置的数据库文件：/usr/local/sphinx/etc/example.sql
source src1
{
type = mysql
sql_host = localhost
sql_user = test
sql_pass =
sql_db = test
sql_port = 3306 # optional, default is 3306
sql_query = \
SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content \
FROM documents
sql_attr_uint = group_id #搜索后显示的int字段
sql_attr_timestamp = date_added #搜索后显示的时间戳字段
sql_query_info = SELECT * FROM documents WHERE id=$id
}
index test1
{
source = src1
path = /usr/local/sphinx/var/data/test1
docinfo = extern
charset_type = sbcs
}
index testrt # 索引的配置
{
type = rt
rt_mem_limit = 32M
path = /usr/local/sphinx/var/data/testrt
charset_type = utf-8
rt_field = title
rt_field = content
rt_attr_uint = gid
}
indexer 索引的内存
{
mem_limit = 32M
}
searchd # 守护进程
{
listen = 9312
listen = 9306:mysql41
log = /usr/local/sphinx/var/log/searchd.log
query_log = /usr/local/sphinx/var/log/query.log
read_timeout = 5
max_children = 30
pid_file = /usr/local/sphinx/var/log/searchd.pid
max_matches = 1000
seamless_rotate = 1
preopen_indexes = 1
unlink_old = 1
workers = threads # for RT to work
}
建立sphinx 索引（若日常更新sphinx数据，只需执行以下1、2、3步即可，可写入sh文件执行）
# 结束所有索引
#pkill -9 search
1、#停止正在运行的searchd
/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/conf.d/sphinx.conf --stop
2、# 创建索引
# /usr/local/sphinx/bin/indexer --c --config /usr/local/sphinx/etc/conf.d/sphinx.conf --all
#如果只想对某个数据源进行索引，则可以这样：
#/usr/local/sphinx/bin/indexer --c --config /usr/local/sphinx/etc/conf.d/sphinx.conf 索引名称
3、# 启动索引
# /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/conf.d/sphinx.conf
4、# 合并索引跟增量索引
# /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/conf.d/sphinx.conf --merge baby_idx baby_merge --rotate
# 错误解决
# 解决：复制Mysql客户端文件到所有用户可以放的目录去
cp /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib/
# 64位系统需要在创建一个软连接
ln -s /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib64
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
服务器所用MySQL在当时编译时并没有编译Sphinx扩展,而重新编译mysql并加入Sphinx暂时又无法实现(项目用到了多台服务器,在不影响现有业务的情况下不可能去重新编译MySQL的),所以采用的是程序通过API来外部调用Sphinx.Sphinx自带的API有PHP,Python,Ruby,Java等众多版本,所以基本也够用了,本人使用的编程语言是php所以下文的条用示例采用的是PHP版的API.
- 1
以下步骤不需要执行，原因如上：
第六步：安装sphinxclient
php模块依赖于libsphinxclient包
# 进入sphinx 源码包的api目录
cd coreseek-4.1/csft-4.1/api/libsphinxclient
./configure --prefix=/usr/local/libsphinxclient
#若报一下错误
config.status: error: cannot find input file: Makefile.in #报错configure失败
#处理configure报错，运行下列指令再次编译：
aclocal
libtoolize --force
automake --add-missing
autoconf
autoheader
make clean
//重新configure编译
./configure --prefix=/usr/local/libsphinxclient
make
make install
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
第七步：安装php的Sphinx扩展
# PHP7以前的版本使用下面扩展
wget http://pecl.php.net/get/sphinx-1.3.0.tgz
# PHP7 使用下面的扩展
wget http://git.php.net/?p=pecl/search_engine/sphinx.git;a=snapshot;h=9a3d08c67af0cad216aa0d38d39be71362667738;sf=tgz
tar -zxvf sphinx-1.3.0.tgz
cd sphinx-1.3.0
/usr/local/php/bin/phpize ./configure --with-php-config=/usr/local/php/bin/php-config --with-sphinx=/usr/local/libsphinxclient/
make && make install
# 安装好后，在安装目录下etc目录下，有份测试数据和配置的样本
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
第八步：配置PHP支持Sphinx
编辑php.ini文件
vim /usr/local/php/etc/php.ini
# 修改以下内容
extension_dir = "/usr/local/php/lib/php/extensions/no-debug-non-zts-20100525/"
# 增加扩展到php
extension = sphinx.so
# 重新启动php-fpm
/etc/init.d/php-fpm restart
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
查看Sphinx是否安装成功
新建PHP文件
vim index.php
# 写入一下内容：
<?php
echo phpinfo();
- 1
- 2
- 3
- 4
- 5
浏览器输入地址访问
看到sphinx表示扩展安装成功
第九步(简易版)：php使用sphinx
$s = new SphinxClient;
$a = $s->setServer("127.0.0.1", 9312);
$res = $s->query("体验版抢先试用",'test1');查询结果：
Array
(
[error] =>
[warning] =>
[status] => 0
[fields] => Array
(
[0] => title
)
[attrs] => Array
(
[lv] => 1
[fansnum] => 1
[visible] => 1
[lon] => 5
[lat] => 5
[show_reg_client] => 1073741825
)
[total] => 0
[total_found] => 0
[time] => 0.002
[words] => Array
(
[体验] => Array
(
[docs] => 114
[hits] => 114
)
[版] => Array
(
[docs] => 1279
[hits] => 1280
)
[抢先] => Array
(
[docs] => 0
[hits] => 0
)
[试用] => Array
(
[docs] => 4
[hits] => 4
)
)
)Matches中就是查询的结果了，但是仿佛不是我们想要的数据，比如titile，content字段的内容就没有查询出来，根据官方的说明是Sphinx并没有连接到MySQL去取数据，只是根据它自己的索引内容进行计算，因此如果想用Sphinx提供的API去取得我们想要的数据，还必须以查询的结果为依据，再次查询MySQL从而得到我们想要的数据。
参考：
sphinx中文站
博客参考
扫一扫
2744
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
