站内全文搜索引擎 Sphinx/coreseek 安装使用教程

最新推荐文章于 2024-08-26 08:40:03 发布

木偶跳舞

最新推荐文章于 2024-08-26 08:40:03 发布

阅读量5.2k

点赞数 1

分类专栏： PHP sphinx 性能文章标签：全文检索索引 sphinx php coreseek

本文链接：https://blog.csdn.net/u013372487/article/details/66478774

版权

PHP 同时被 3 个专栏收录

247 篇文章 5 订阅

订阅专栏

性能

11 篇文章 0 订阅

订阅专栏

sphinx

5 篇文章 0 订阅

订阅专栏

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

安装注意
Coreseek发布了3.2.14版本和4.1版本等多个版本

3.2.14版本是2010年发布的，它是基于Sphinx0.9.9搜索引擎的。4.1版本是2011年发布的，它是基于Sphinx2.0.2以后的

本文章以安装 coreseek-4.1-beta 版本为例：
安装包下载地址：

http://dl.download.csdn.net/down11/20160530/de90462e2cf8350cbd4ad0f758105c9d.gz?response-content-disposition=attachment%3Bfilename%3D%22coreseek-4.1-beta.tar.gz%22&OSSAccessKeyId=9q6nvzoJGowBj4q1&Expires=1474535438&Signature=8jae9H6dIfmd7zHRs72qcgi4Q1k%3D

3.2.14 稳定版（线上环境用此版本）

http://124.202.166.45/file3.data.weipan.cn/76885328/d22215f7ac79a8eff90a6eec0d7ccdc7f86048b6?ip=1490457292,118.144.20.162&ssig=z3aZVW70%2FY&Expires=1490457892&KID=sae,l30zoo1wmz&fn=coreseek-3.2.14.tar.gz&skiprd=2&se_ip_debug=118.144.20.162&corp=2&from=1221134&wshc_tag=0&wsts_tag=58d68e1c&wsid_tag=75647862&wsiphost=ipdbm

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

第二步：安装mmseg(coreseek所使用的词典)

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

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


#./configure --prefix=/usr/local/sphinx/ --with-mysql=/usr/local/mysql/ --enable-id64 
make 
make install 
# 注意1：采用这种方式安装不支持中文分词。
# 注意2：--enable-id64 系统是64位，开启后Sphinx存储模块可以支持4-5G,不开启支持2G左右，不开启检索效率会高些，一般情况下建议不开启

# 错误：
collect2: ld 返回 1 
make[2]: *** [indexer] 错误 1 

# 修改configure文件中：
LIBS="$LIBS -L/usr/local/lib"
# 改为：
LIBS="$LIBS -liconv -L/usr/local/lib"

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

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

sphinx.conf 配置文件内容

#配置数据源，可以有多个
source src_blog
{
    #数据库类型
    type = mysql
    #是否去掉html标签
    strip_html = 0
    sql_host = 127.0.0.1
    sql_user = root
    sql_pass = woshishui
    sql_db = yphp_tutiantian
    sql_port = 3006
    #在执行sql_query前执行的sql命令, 可以有多条
    sql_query_pre= SET NAMES utf8
    #全文检索要显示的内容，在这里尽可能不使用where或group by，将where与groupby的内容交给sphinx，
    #由sphinx进行条件过滤与groupby效率会更高
    #注意：select 出来的字段必须至少包括一个唯一主键(ARTICLESID)以及要全文检索的字段，
    #你计划原本在where中要用到的字段也要select出来
    #这里不用使用orderby
    sql_query = SELECT * FROM tu_pic
    #开头的表示一些属性字段，你原计划要用在where,orderby,groupby中的字段要在这里定义
    #根据我们原先的SQL:
    #select * from eht_articles where title like ? and catalogid=? And                edituserid=?  And addtime between ? and ? order by hits desc
    #我们需要对catalogid,edituserid,addtime,hits进行属性定义(这四个字段也要在select的字段列表中)，
    #定义时不同的字段类型有不同的属性名称，具体可以见sphinx.conf.in中的说明
    sql_attr_uint= pr
    sql_attr_uint = big_id
    sql_attr_uint = small_id
    sql_attr_uint= uid
    sql_attr_uint= is_del
    sql_ranged_throttle = 0
}


# 在这里要注意，rt_field是检索字段，rt_attr_uint是返回字段
#定义索引名称
index sphinx_blog
{
    #数据源名
    source = src_blog
    #索引记录存放目录
    path = /usr/local/sphinx/var/data/sphinx_blog
    docinfo = extern
    mlock = 0
    stopwords =
    min_prefix_len = 0
    min_infix_len = 0
    morphology = none
    min_word_len = 2
    #字符集
    charset_type = zh_cn.utf-8
    #指明分词法读取词典文件的位置，当启用分词法时，为必填项。在使用LibMMSeg作为分词 库时，
    #需要确保词典文件uni.lib在指定的目录下
    charset_dictpath = /usr/local/mmseg3/etc/
    charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, U+FF21..U+FF3A->a..z,A..Z->a..z, a..z, U+0149, U+017F, U+0138, U+00DF, U+00FF, U+00C0..U+00D6->U+00E0..U+00F6,U+00E0..U+00F6, U+00D8..U+00DE->U+00F8..U+00FE, U+00F8..U+00FE, U+0100->U+0101, U+0101,U+0102->U+0103, U+0103, U+0104->U+0105, U+0105, U+0106->U+0107, U+0107, U+0108->U+0109,U+0109, U+010A->U+010B, U+010B, U+010C->U+010D, U+010D, U+010E->U+010F, U+010F,U+0110->U+0111, U+0111, U+0112->U+0113, U+0113, U+0114->U+0115, U+0115, U+0116->U+0117,U+0117, U+0118->U+0119, U+0119, U+011A->U+011B, U+011B, U+011C->U+011D, U+011D,U+011E->U+011F, U+011F, U+0130->U+0131, U+0131, U+0132->U+0133, U+0133, U+0134->U+0135,U+0135, U+0136->U+0137, U+0137, U+0139->U+013A, U+013A, U+013B->U+013C, U+013C,U+013D->U+013E, U+013E, U+013F->U+0140, U+0140, U+0141->U+0142, U+0142, U+0143->U+0144,U+0144, U+0145->U+0146, U+0146, U+0147->U+0148, U+0148, U+014A->U+014B, U+014B,U+014C->U+014D, U+014D, U+014E->U+014F, U+014F, U+0150->U+0151, U+0151, U+0152->U+0153,U+0153, U+0154->U+0155, U+0155, U+0156->U+0157, U+0157, U+0158->U+0159, U+0159,U+015A->U+015B, U+015B, U+015C->U+015D, U+015D, U+015E->U+015F, U+015F, U+0160->U+0161,U+0161, U+0162->U+0163, U+0163, U+0164->U+0165, U+0165, U+0166->U+0167, U+0167,U+0168->U+0169, U+0169, U+016A->U+016B, U+016B, U+016C->U+016D, U+016D, U+016E->U+016F,U+016F, U+0170->U+0171, U+0171, U+0172->U+0173, U+0173, U+0174->U+0175, U+0175,U+0176->U+0177, U+0177, U+0178->U+00FF, U+00FF, U+0179->U+017A, U+017A, U+017B->U+017C,U+017C, U+017D->U+017E, U+017E, U+0410..U+042F->U+0430..U+044F, U+0430..U+044F,U+05D0..U+05EA, U+0531..U+0556->U+0561..U+0586, U+0561..U+0587, U+0621..U+063A, U+01B9,U+01BF, U+0640..U+064A, U+0660..U+0669, U+066E, U+066F, U+0671..U+06D3, U+06F0..U+06FF,U+0904..U+0939, U+0958..U+095F, U+0960..U+0963, U+0966..U+096F, U+097B..U+097F,U+0985..U+09B9, U+09CE, U+09DC..U+09E3, U+09E6..U+09EF, U+0A05..U+0A39, U+0A59..U+0A5E,U+0A66..U+0A6F, U+0A85..U+0AB9, U+0AE0..U+0AE3, U+0AE6..U+0AEF, U+0B05..U+0B39,U+0B5C..U+0B61, U+0B66..U+0B6F, U+0B71, U+0B85..U+0BB9, U+0BE6..U+0BF2, U+0C05..U+0C39,U+0C66..U+0C6F, U+0C85..U+0CB9, U+0CDE..U+0CE3, U+0CE6..U+0CEF, U+0D05..U+0D39, U+0D60,U+0D61, U+0D66..U+0D6F, U+0D85..U+0DC6, U+1900..U+1938, U+1946..U+194F, U+A800..U+A805,U+A807..U+A822, U+0386->U+03B1, U+03AC->U+03B1, U+0388->U+03B5, U+03AD->U+03B5,U+0389->U+03B7, U+03AE->U+03B7, U+038A->U+03B9, U+0390->U+03B9, U+03AA->U+03B9,U+03AF->U+03B9, U+03CA->U+03B9, U+038C->U+03BF, U+03CC->U+03BF, U+038E->U+03C5,U+03AB->U+03C5, U+03B0->U+03C5, U+03CB->U+03C5, U+03CD->U+03C5, U+038F->U+03C9,U+03CE->U+03C9, U+03C2->U+03C3, U+0391..U+03A1->U+03B1..U+03C1,U+03A3..U+03A9->U+03C3..U+03C9, U+03B1..U+03C1, U+03C3..U+03C9, U+0E01..U+0E2E,U+0E30..U+0E3A, U+0E40..U+0E45, U+0E47, U+0E50..U+0E59, U+A000..U+A48F, U+4E00..U+9FBF,U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF, U+2F800..U+2FA1F, U+2E80..U+2EFF,U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF, U+3040..U+309F, U+30A0..U+30FF,U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF, U+3130..U+318F, U+A000..U+A48F,U+A490..U+A4CF
    html_strip = 0
}

#全局index定义
indexer
{
    mem_limit = 256M
}

#sphinx守护进程配置
searchd
{
    port = 9312
    read_timeout = 5
    max_children = 10
    compat_sphinxql_magics = 0
    pid_file = /usr/local/sphinx/var/log/searchd.pid
    #全文检索日志
    log = /usr/local/sphinx/var/log/searchd.log
    #查询日志
    query_log = /usr/local/sphinx/var/log/query_log.log
    #最大匹配数，也就是查找的数据再多也只返回这里设置的1000条
    max_matches = 1000
    seamless_rotate = 1
}

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


# 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

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.

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

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

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

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();

浏览器输入地址访问
看到sphinx表示扩展安装成功
这里写图片描述

第九步：php使用sphinx

<?php
// --------------------------------------------------------------------------
// File name   : test_coreseek.php
// Description : coreseek中文全文检索系统测试程序
// Requirement : PHP5 (http://www.php.net)
//
// Copyright(C), HonestQiao, 2011, All Rights Reserved.
//
// Author: HonestQiao (honestqiao@gmail.com)
//
// 最新使用文档，请查看：http://www.coreseek.cn/products/products-install/
//
// --------------------------------------------------------------------------
#若SphinxClient是php默认类，则不需要引入sphinxapi.php
#sphinxapi.php文件在/coreseek-3.2.14/testpack/api/ 中
require ( "sphinxapi.php" );
$cl = new SphinxClient ();
$cl->SetServer ( '127.0.0.1', 9312);
$cl->SetConnectTimeout ( 3 );
$cl->SetArrayResult ( true );
$cl->SetMatchMode ( SPH_MATCH_ANY);


$cl->setLimits(0,300);
$keyword = $_GET['keyword'];
// // 执行查询，第一个参数查询的关键字，第二个查询的索引名称，多个索引名称以,分开，也可以用*表示所有索引。
$res = $cl->Query ( $keyword, "sphinx_blog" );
print_r($res);

查询结果：

Array
(
    [error] => 
    [warning] => 
    [status] => 0
    [fields] => Array
        (
            [0] => search_word
            [1] => actors
            [2] => directors
            [3] => wktag
            [4] => pinyin
            [5] => pinyin_first
        )

    [attrs] => Array
        (
            [xid] => 1
        )

    [matches] => Array
        (
            [0] => Array
                (
                    #matches中的id就是指配置文件中sql_query SELECT语句中的第一个字段
                    [id] => 33514269
                    [weight] => 1
                    [attrs] => Array
                        (
                            [xid] => 33514269
                        )

                )

        )

    [total] => 1
    [total_found] => 1
    [time] => 0.002
    [words] => Array
        (
            [兔先生] => Array
                (
                    [docs] => 1
                    [hits] => 1
                )

        )

)

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。