sphinx+mysql+中文分词安装

编译先前条件

yum -y install gcc

yum -y install gcc-c++

yum -y install autoconf

yum -y install automake

yum -y install curl

yum -y install gawk 

yum -y install lftp

yum -y install make

yum -y install libtool

yum -y install python

yum -y install python-devel

yum -y install patch

yum -y install ncurses-devel


安装成功环境
centos5.4    python2.4   (centos6.2失败)   

安装所需文件

mysql-5.1.XX.tar.gz      (mysql-5.5.XX失败)
mmseg-0.7.3.tar.gz
sphinx-0.9.8-rc2.tar.gz 
fix-crash-in-excerpts.patch
sphinx-0.98rc2.zhcn-support.patch

http://cdn.mysql.com/Downloads/MySQL-5.1/mysql-5.1.66.tar.gz
http://www.coreseek.com/uploads/sources/mmseg-0.7.3.tar.gz
http://sphinxsearch.com/downloads/accept.php?file=sphinx-0.9.8-rc2.tar.gz
http://www.coreseek.com/uploads/sources/fix-crash-in-excerpts.patch
http://www.coreseek.com/uploads/sources/sphinx-0.98rc2.zhcn-support.patch

mmseg-0.7.3 安装

tar -zxvf mmseg-0.7.3.tar.gz 
cd mmseg-0.7.3/
./configure
make
make install
可以尝试 输入mmseg 命令,看是否已经安装成功


编译mmseg提示cannot find input file: src/Makefile.in

aclocal
libtoolize --force 我运行后有一个错误,没管它。
automake --add-missing
autoconf
autoheader
make clean
./configure
make
make install
安装完成后,mmseg使用的词典和配置文件,自动安装在/usr/local/mmseg3/etc中


centos6.2下如果在这一步出错,且出错提示为:
css/UnigramCorpusReader.cpp:89: error: ’strncmp’ was not declared in this scope
则需手工编辑.src/css目录下UnigramCorpusReader.cpp 文件,在其第一行加上
#include <string.h>
然后重新 make,即可通过


安装mysql-5.1.60、Sphinx、SphinxSE存储引擎

tar zxvf mysql-5.1.60.tar.gz
tar zxvf sphinx-0.9.8-rc2.tar.gz

cd sphinx-0.9.8-rc2/

patch -p1 < ../sphinx-0.98rc2.zhcn-support.patch
patch -p1 < ../fix-crash-in-excerpts.patch

cp -rf mysqlse ../mysql-5.1.60/storage/sphinx

cd ../mysql-5.1.60

sh BUILD/autorun.sh

./configure --prefix=/usr/local/mysql --with-charset=utf8 --with-extra-charsets=all --with-plugins=sphinx

make

make install


配置和启动mysql

/usr/sbin/groupadd mysql
/usr/sbin/useradd -g mysql mysql

chown -R mysql:mysql /usr/local/mysql

cp /usr/local/mysql/share/mysql/my-medium.cnf /usr/local/mysql/my.cnf

chown mysql:mysql /usr/local/mysql/my.cnf

修改my.cnf配置
在skip-external-locking上面插入(配置可以自定义)
user = mysql
pid-file = /usr/local/mysql/mysql.pid
socket = /tmp/mysql.sock
port = 3306
basedir = /usr/local/mysql
datadir = /usr/local/mysql/data
tmpdir = /tmp
language = /usr/local/mysql/share/mysql/english

/usr/local/mysql/bin/mysql_install_db --defaults-file=/usr/local/mysql/my.cnf --user=mysql

报错:'--skip-locking' is deprecated and will be removed in a future release.

解决方法:将my.cnf 中的'skip-locking' 换成'skip-external-locking' 

chown -R mysql:mysql /usr/local/mysql/data/

chmod -R o+w /usr/local/mysql/data/

cp /usr/local/mysql/share/mysql/mysql.server /etc/init.d/mysqld

chmod 700 /etc/init.d/mysqld

/etc/init.d/mysqld start 启动mysql  也可以使用stop | restart 等一些命令

报错: ERROR! Manager of pid-file quit without updating file.

ln -sf /etc/my.cnf /usr/local/mysql/my.cnf

修改my.cnf相关参数


输入mysql 命令,进去
Mysql> show engines;

| SPHINX     | YES     | Sphinx storage engine 0.9.8                

此时我们可以看到已经包含sphinxSE 引擎
到此myql部分启动完毕


安装sphinx-0.9.8-rc2

cd sphinx-0.9.8-rc2/
CPPFLAGS=-I/usr/include/python2.4
LDFLAGS=-lpython2.4
./configure --prefix=/usr/local/sphinx --with-mysql=/usr/local/mysql
make
make install
cd ../

cp /usr/local/sphinx/etc/sphinx.conf.dist /usr/local/sphinx/etc/sphinx.conf

修改sphinx.conf中的配置如下:(配置可以自定义)
sql_host = localhost
sql_user = root
sql_pass =
sql_db = test
sql_port = 3306 

sql_sock = /tmp/mysql.sock


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

mysql < /usr/local/sphinx/etc/example.sql //创建了一个test库,并建立了documents测试表和数据


加载索引
/usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all     执行完下面的要kill旧的进程(FATAL: failed to lock pid file '/usr/local/sphinx/var/log/searchd.pid':)
注: 先要给libmysqlclient.so.16 建立软链接
ln -s /usr/local/mysql/lib/mysql/libmysqlclient.so.16 /usr/lib/libmysqlclient.so.16
 再通过
 /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf 开启索引监听
到此安装部分基本结束,大功告成了一半,下面我们来谈谈他们的使用。


开始使用

1、 在mysql中的使用SphinxSE方式调用Sphinx
 首先建立一张索引专用表:
CREATE TABLE `sphinx` (  
`id` int(11) NOT NULL,  
`weight` int(11) NOT NULL,  
`query` varchar(255) NOT NULL,  
`CATALOGID` INT NOT NULL,  
`EDITUSERID` INT NOT NULL,  
`HITS` INT NULL,  
`ADDTIME` INT NOT NULL,   KEY
`Query` (`Query`)
) ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='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
这里有十分详细的介绍,在这里我们只做一个简单的介绍,希望能起到抛砖引玉的效果。


2、 中文分词的应用

 生成和使用分词字典
 mmseg -u /root/mmseg-0.7.3/data/unigram.txt
 将生成unigram.txt.uni 文件
 将文件拷贝到 /usr/local/sphinx/下面,命名为uni.lib
 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/

如果无法搜索出中文  sql_query_pre  = SET NAMES utf8


 然后通过
/usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all
(如果searchd已经再运行,先kill 它再运行,下一部分,我们会介绍怎样在searchd运行的状态下,加载索引)
重建索引,成功后,开启索引监听
/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf

测试

SELECT doc. *  FROM documents doc JOIN sphinx ON ( doc.id = sphinx.id ) 
WHERE query = '张学友;mode= any '

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


实际应用介绍

通过以上的介绍,现在我们已经基本能使用这套东西了,下面我们来对索引的管理做一些介绍。

       实时更新索引
       在实际应用中往往有这么一种情况,数据库数据很大,比如我们的歌曲表,如果我们每次都去更新整个表的索引,对系统得开销将非常大,显然这是不合适,这时我们会发现,每天我们需要更新的数据相比较而言较少,在这种情况下我们就需要使用“主索引+增量索引”的模式来实现实时更新的功能。

这个模式实现的基本原理是设置两个数据源和两个索引,为那些基本不更新的数据建立主索引,而对于那些新增的数据建立增量索引。主索引的更新频率我们可以设置的长一些(可以设置在每天的午夜进行更新),而增量索引的更新频率,我们可以将时间设置的很短(几分钟左右),这样在用户搜索的时候,我们可以同时查询这两个索引的数据。

下面,我们通过一个简单的例子来描述一下怎样实现这种模式
 
以sphinx.conf中默认的数据为例:

先在mysql中插入一个计数表和两个索引表
CREATE TABLE sph_counter
(
    counter_id INTEGER PRIMARY KEY NOT NULL,
    max_doc_id INTEGER NOT NULL
);

//主索引使用(确认之前是否已经建立过该表,如果已经建立,这里就不需要重新建了)

CREATE TABLE `sphinx` (  
`id` int(11) NOT NULL,  
`weight` int(11) NOT NULL,  
`query` varchar(255) NOT NULL,  
`CATALOGID` INT NOT NULL,  
`EDITUSERID` INT NOT NULL,  
`HITS` INT NULL,  
`ADDTIME` INT NOT NULL,   KEY
`Query` (`Query`)
) ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='sphinx://localhost:3312/test1'

    //增量索引使用
CREATE TABLE `sphinx1` (  
`id` int(11) NOT NULL,  
`weight` int(11) NOT NULL,  
`query` varchar(255) NOT NULL,  
`CATALOGID` INT NOT NULL,  
`EDITUSERID` INT NOT NULL,  
`HITS` INT NULL,  
`ADDTIME` INT NOT NULL,   KEY
`Query` (`Query`)
)ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='sphinx://localhost:3312/ test1stemmed '

数据库操作完毕后再来配置sphinx.conf
         source src1
{

                  sql_query_pre                   = SET NAMES utf8
                  sql_query_pre                   = SET SESSION query_cache_type=OFF
                  sql_query_pre = REPLACE INTO sph_counter SELECT 1, MAX(id) FROM documents
                  sql_query                               = "
                            SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content "
                            FROM documents "
                            WHERE id<=( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )      
                   ………….. //其他可以默认
   }
         source src1throttled : src1
{
         sql_ranged_throttle                         = 100

         sql_query_pre                   = SET NAMES utf8
         sql_query_pre                   = SET SESSION query_cache_type=OFF
                  sql_query                               = "
                   SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content "
                   FROM documents "
                   WHERE id>( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )
}
index test1                    //主索引
{
         source                           = src1
         ……….


index test1stemmed : test1   //增量索引
{
         source                           = src1throttled
         ……
}

// 注意:src1throttled 中的sql_query_pre的个数需和src1 对应,否则可能搜索不出相应结果



配置完成后,我在通过
/usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all --rotate
重新加载索引,执行成功后我们就可以来使用它了。
 你可以往documents表中添加新的数据,比如我们插入一条这样的数据:

    insert into documents (group_id,group_id2,date_added,title,content) values ('3','6',now(),'哈哈','找什么东西');

执行命令: 
SELECT doc.* FROM documents doc join sphinx on (doc.id=sphinx.id) where query='哈哈;mode= any' 

 你会发现你刚添加的数据没有被检索出来
 然后执行:
       SELECT doc.* FROM documents doc join sphinx1 on (doc.id=sphinx1.id) where query='哈哈;mode= any '
 你会发现数据是空的,这时我们就需要来更新增量索引了。

 通过执行:
/usr/local/sphinx/bin/indexer --rotate --config /usr/local/sphinx/etc/sphinx.conf test1stemmed 命令来更新增量索引(正式使用时,我们可以将该命令配置到系统计划任务中,每格几分钟执行一次)
--rotate: 该参数可以使我们在不需要停止searchd的情况下,直接加载索引

执行完命令该命令后,我们再来查看一下增量索引的数据
 SELECT doc.* FROM documents doc join sphinx1 on (doc.id=sphinx1.id) where query='哈哈;mode= any'
你会发现新添加的数据被检索出来的。

 主索引的更新:
  /usr/local/sphinx/bin/indexer --rotate --config /usr/local/sphinx/etc/sphinx.conf test1 (我们可以设置成每天的午夜执行)

只有在更新了主索引后,
 SELECT doc.* FROM documents doc join sphinx on (doc.id=sphinx.id) where query='哈哈;mode= any'
的结果才会被更新
我们也可以通过合并索引的方式使主索引的数据保持更新

通过执行
/usr/local/sphinx/bin/indexer --merge test1 test1stemmed --merge-dst-range deleted 0 0 --rotate
可以将增量索引test1stemmed合并到主索引test1中去


注意:在你测试的过程中,mysql的查询缓存可能会给你带来一些困惑,所以测试时最好将其关闭。
关闭方法:
set global query_cache_size = 0; //禁止缓存开销
你可以通过 SHOW VARIABLES LIKE '%query_cache% 来察看缓存状态
   
到此Mysql+sphinx+中文分词的应用部分介绍完毕了。




参考原文:http://www.cnblogs.com/hushixiu/articles/1295605.html



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值