Sphinx 简介
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。那么他们的版本对应呢?
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
所以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
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
系统版本:
[root@localhost ~]# lsb_release -a
LSB Version: :core-3.1-ia32:core-3.1-noarch:graphics-3.1-ia32:graphics-3.1-noarch
Distributor ID: CentOS
Description: CentOS release 5.5 (Final)
Release: 5.5
Codename: Final
检测中文环境
locale
# 如果是下面的结果,则进行下一步
LANG=zh_CN.UTF-8
LC_ALL=zh_CN.UTF-8
# 否则
export LANG=zh_CN.UTF-8
export LC_ALL=zh_CN.UTF-8
升级依赖包
yum -y install glibc-common libtool autoconf automake mysql-devel expat-devel
# 手动升级 autoconf
tar -zxvf autoconf-2.69.tar.gz
cd autoconf-2.69
./configure
make
make install
安装mmseg(coreseek所使用的词典)
tar -zxvf coreseek-3.2.13.tar.gz
cd coreseek-3.2.13
cd mmseg-3.2.13/
./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
# 在测试下
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
安装csft-3.2.14
cd csft-3.2.13/
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:
make[2]: *** [sphinxexpr.o] 错误 1
make[2]: 离开目录“/data/software/coreseek-4.1-beta/csft-4.1/src”
make[1]: *** [all] 错误 2
make[1]: 离开目录“/data/software/coreseek-4.1-beta/csft-4.1/src”
make: *** [all-recursive] 错误 1
# 修改 csft-4.1/src/sphinxexpr.cpp 文件中, 替换所有
T val = ExprEval ( this->m_pArg, tMatch );
# 修改为:
T val = this->ExprEval ( this->m_pArg, tMatch );
# 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
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
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
source src_blog
{
type = mysql
sql_host = 127.0.0.1
sql_user = root
sql_pass = woshishui
sql_db = yphp_tutiantian
sql_query_pre= SET NAMES utf8
sql_query = SELECT * FROM tu_pic
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
index sphinx_blog
{
source = src_blog
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
charset_type = zh_cn.utf-8
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
}
indexer
{
mem_limit = 256M
}
searchd
{
port = 9312
read_timeout = 5
max_children = 10
pid_file = /usr/local/sphinx/var/log/searchd.pid
log = /usr/local/sphinx/var/log/searchd.log
max_matches = 1000
seamless_rotate = 1
}
建立sphinx 索引
# 结束所有索引
pkill -9 search
# 创建索引
# /usr/local/sphinx/bin/indexer --c --config /usr/local/sphinx/etc/sphinx.conf --all
# 启动索引
# /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/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
先安装sphinxclient
# 进入sphinx 源码包的api目录
cd coreseek-3.2.13/csft-3.2.13/api/libsphinxclient
./configure --prefix=/usr/local/libsphinxclient
make
make install
# 错误解决
vim sphinxclient.c
# 找到
void sock_close ( int sock );
# 改为
static void sock_close ( int sock );
安装php的Sphinx扩展 扩展下载
# 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
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
更多是用实例,请点击 sphinx+php基础使用实例 查看
常见错误记录
问题详解:: 1. Unigram dictionary load Error:
词典路径设置不正确,所设置的路径下没有uni.lib;特别要注意使用相对路径时,是否正确对应到了实际的目录;测试是否存在,可以在命令行执行:dir charset_dictpath所设置的目录,检查是否存在!
- Segmentation fault 或者 段错误:可能原因如下
词典路径设置不正确,或者自己构造的词典数据过多(建议不超过20w条);
max_matches参数设置过大,建议设置在10000以内;
- iniparser: cannot open ......mmseg.ini:
mmseg.ini没有设置,请在提示的位置创建mmseg.ini,然后前往mmseg.ini参考设置所需要的参数即可! - FATAL: failed to parse config file '......csft.conf':
或者:FATAL: config file '......csft.conf' does not exist or is not readable 没有设置配置文件或者配置文件位置不正确,使用相对路径时需要特别注意(例如在bin目录中直接运行indexer);请使用“-c 配置文件完整路径/csft.conf”,来进行设置 - WARNING: no such index '......', skipping.:
配置文件中没有找到对应的索引名称,请查看提示的名称是否设置! - ERROR: unknown key name 'charset_dictpath' in ......:
当前运行的程序不支持或者没有安装启用中文分词,请参考安装说明进行操作以便支持中文分词 - FATAL: index '......': unknown charset type 'zh_cn.utf-8':
没有设置charset_dictpath,或者charset_dictpath设置的路径下没有uni.lib;或者使用的不是coreseek。
参考资料
官方手册:http://www.coreseek.cn/docs/c...
http://blog.sina.cn/dpool/blo...