sphinx結合scws對mysql實現全文檢索

下面講講關于sphinx結合scws對mysql實現全文檢索，文字的奧妙在于貼近主題相關。所以，閑話就不談了，我們直接看下文吧，相信看完sphinx結合scws對mysql實現全文檢索這篇文章你一定會有所受益。

系統環境

一、簡介

1.1、 Sphinx是什么

參考地址：http://www.sphinxsearch.org/sphinx-tutorial

Sphinx是由俄羅斯人Andrew Aksyonoff開發的一個全文檢索引擎。意圖為其他應用提供高速、低空間占用、高結果 相關度的全文搜索功能。Sphinx可以非常容易的與SQL數據庫和腳本語言集成。當前系統內置MySQL和PostgreSQL 數據庫數據源的支持，也支持從標準輸入讀取特定格式 的XML數據。

Sphinx創建索引的速度為：創建100萬條記錄的索引只需3～4分鐘，創建1000萬條記錄的索引可以在50分鐘內完成，而只包含最新10萬條記錄的增量索引，重建一次只需幾十秒。

1.2、 Sphinx的特性如下：

（1）高速的建立索引(在當代CPU上，峰值性能可達到10 MB/秒);

（2）高性能的搜索(在2 – 4GB 的文本數據上，平均每次檢索響應時間小于0.1秒);

（3）可處理海量數據(目前已知可以處理超過100 GB的文本數據, 在單一CPU的系統上可處理100 M 文檔);

（4）提供了優秀的相關度算法，基于短語相似度和統計（BM25）的復合Ranking方法;

（5） 支持分布式搜索;

（6）支持短語搜索

（7）提供文檔摘要生成

（8）可作為MySQL的存儲引擎提供搜索服務;

（9）支持布爾、短語、詞語相似度等多種檢索模式;

（10）文檔支持多個全文檢索字段(最大不超過32個);

（11）文檔支持多個額外的屬性信息(例如：分組信息，時間戳等);

（12）支持斷詞;

  1.3、總結

  優點：效率較高，具有較高的擴展性

缺點：不負責數據存儲

使用Sphinx搜索引擎對數據做索引，數據一次性加載進來，然后做了所以之后保存在內存。這樣用戶進行搜索的時候就只需要在Sphinx云服務器上檢索數據即可。而且，Sphinx沒有MySQL的伴隨機磁盤I/O的缺陷，性能更佳。

2.1、SCWS 是 Simple Chinese Word Segmentation 的首字母縮寫（即：簡易中文分詞系統）。

參考地址：http://www.xunsearch.com/scws/index.php    

這是一套基于詞頻詞典的機械式中文分詞引擎，它能將一整段的中文文本基本正確地切分成詞。 詞是中文的最小語素單位，但在書寫時并不像英語會在詞之間用空格分開， 所以如何準確并快速分詞一直是中文分詞的攻關難點。

2.2、特性

SCWS 采用純 C 語言開發，不依賴任何外部庫函數，可直接使用動態鏈接庫嵌入應用程序， 支持的中文編碼包括 GBK、UTF-8 等。此外還提供了 PHP 擴展模塊， 可在 PHP 中快速而方便地使用分詞功能。

分詞算法上并無太多創新成分，采用的是自己采集的詞頻詞典，并輔以一定的專有名稱，人名，地名， 數字年代等規則識別來達到基本分詞，經小范圍測試準確率在 90% ~ 95% 之間， 基本上能滿足一些小型搜索引擎、關鍵字提取等場合運用。首次雛形版本發布于 2005 年底。

二、環境準備

1、暫時關閉防火墻

2、關閉seliunx

3、系統環境

centos7.4 mysql5.6 php5.6

三、搭建Sphinx服務

1、安裝依賴包

# yum -y install make gcc gcc-c++ libtool autoconf automake mysql-devel

2、安裝Sphinx

# yum install expat expat-devel

# wget -c http://sphinxsearch.com/files/sphinx-2.2.10-release.tar.gz

# tar -zxvf sphinx-2.2.10-release.tar.gz

# cd sphinx-2.2.10-release/

# ./configure --prefix=/usr/local/sphinx  --with-mysql --with-libexpat --enable-id64

# make && make install

3、安裝libsphinxclient，php擴展用到

# cd api/libsphinxclient/

# ./configure --prefix=/usr/local/sphinx/libsphinxclient

# make && make install

安裝完畢后查看一下/usr/local/sphinx下是否有 三個目錄 bin etc var，如有，則安裝無誤！

4、安裝Sphinx的PHP擴展:我的是5.6需裝sphinx-1.3.3.tgz，如果是php5.4以下可sphinx-1.3.0.tgz，如果php7.0需要安裝sphinx-339e123.tar.gz（http://git.php.net/?p=pecl/search_engine/sphinx.git;a=snapshot;h=339e123acb0ce7beb2d9d4f9094d6f8bcf15fb54;sf=tgz）

# wget -c  http://pecl.php.net/get/sphinx-1.3.3.tgz

# tar zxvf sphinx-1.3.3.tgz

# cd sphinx-1.3.3/

# phpize

# ./configure --with-sphinx=/usr/local/sphinx/libsphinxclient/ --with-php-config=/usr/bin/php-config

 # make && make install

# 成功后會提示：  

Installing shared extensions:     /usr/lib64/php/modules/

#修改php配置

# echo "[Sphinx]" >> /etc/php.ini

# echo "extension = sphinx.so" >> /etc/php.ini

#重啟httpd服務  

# systemctl restart httpd.service

5、創建測試數據進行測試（db:jiangjj）

CREATE TABLE IF NOT EXISTS `items` (

`id` int(11) NOT NULL AUTO_INCREMENT,

`title` varchar(255) NOT NULL,

`content` text NOT NULL,

`created` datetime NOT NULL,

PRIMARY KEY (`id`)

) ENGINE=InnoDB  DEFAULT CHARSET=utf8 COMMENT='全文檢索測試的數據表' AUTO_INCREMENT=11 ;

INSERT INTO `items` (`id`, `title`, `content`, `created`) VALUES

(1, 'linux mysql集群安裝', 'MySQL Cluster 是MySQL 適合于分布式計算環境的高實用、可拓展、高性能、高冗余版本', '2016-09-07 00:00:00'),

(2, 'mysql主從復制', 'mysql主從備份(復制)的基本原理 mysql支持單向、異步復制,復制過程中一個云服務器充當主云服務器,而一個或多個其它云服務器充當從云服務器', '2016-09-06 00:00:00'),

(3, 'hello', 'can you search me?', '2016-09-05 00:00:00'),

(4, 'mysql', 'mysql is the best database?', '2016-09-03 00:00:00'),

(5, 'mysql索引', '關于MySQL索引的好處,如果正確合理設計并且使用索引的MySQL是一輛蘭博基尼的話,那么沒有設計和使用索引的MySQL就是一個人力三輪車', '2016-09-01 00:00:00'),

(6, '集群', '關于MySQL索引的好處,如果正確合理設計并且使用索引的MySQL是一輛蘭博基尼的話,那么沒有設計和使用索引的MySQL就是一個人力三輪車', '0000-00-00 00:00:00'),

(9, '復制原理', 'redis也有復制', '0000-00-00 00:00:00'),

(10, 'redis集群', '集群技術是構建高性能網站架構的重要手段，試想在網站承受高并發訪問壓力的同時，還需要從海量數據中查詢出滿足條件的數據，并快速響應，我們必然想到的是將數據進行切片，把數據根據某種規則放入多個不同的云服務器節點，來降低單節點云服務器的壓力', '0000-00-00 00:00:00');

CREATE TABLE IF NOT EXISTS `sph_counter` (

`counter_id` int(11) NOT NULL,

`max_doc_id` int(11) NOT NULL,

PRIMARY KEY (`counter_id`)

) ENGINE=MyISAM DEFAULT CHARSET=utf8 COMMENT='增量索引標示的計數表';

6、Sphinx配置:注意修改數據源配置信息。

配置地址：http://www.cnblogs.com/yjf512/p/3598332.html

以下采用"Main + Delta" ("主索引"+"增量索引")的索引策略，使用Sphinx自帶的一元分詞。

# vim /usr/local/sphinx/etc/sphinx.conf

source items {

type = mysql

sql_host = 172.169.18.128

sql_user = jiangjj

sql_pass = 123456

sql_db = jiangjj

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 items

sql_query_range = SELECT MIN(id), MAX(id) FROM items \

WHERE id<=(SELECT max_doc_id FROM sph_counter WHERE counter_id=1)

sql_range_step = 1000

sql_ranged_throttle = 1000

sql_query = SELECT id, title, content, created, 0 as deleted FROM items \

WHERE id<=(SELECT max_doc_id FROM sph_counter WHERE counter_id=1) \

AND id >= $start AND id <= $end

sql_attr_timestamp = created

sql_attr_bool = deleted

}

source items_delta : items {

sql_query_pre = SET NAMES utf8

sql_query_range = SELECT MIN(id), MAX(id) FROM items \

WHERE id > (SELECT max_doc_id FROM sph_counter WHERE counter_id=1)

sql_query = SELECT id, title, content, created, 0 as deleted FROM items \

WHERE id>( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 ) \

AND id >= $start AND id <= $end

sql_query_post_index = set @max_doc_id :=(SELECT max_doc_id FROM sph_counter WHERE counter_id=1)

sql_query_post_index = REPLACE INTO sph_counter SELECT 2, IF($maxid, $maxid, @max_doc_id)

}

#主索引

index items {

source = items

path = /usr/local/sphinx/var/data/items

docinfo = extern

morphology = none

min_word_len = 1

min_prefix_len = 0

html_strip = 1

html_remove_elements = style, script

ngram_len = 1

ngram_chars = U+3000..U+2FA1F

charset_type = utf-8

charset_table = 0..9, A..Z->a..z, _, a..z, U+410..U+42F->U+430..U+44F, U+430..U+44F

preopen = 1

min_infix_len = 1

}

#增量索引

index items_delta : items {

source = items_delta

path = /usr/local/sphinx/var/data/items_delta

}

#分布式索引

index master {

type = distributed

local = items

local = items_delta

}

indexer {

mem_limit = 256M

}

searchd {

listen      = 9312

listen      = 9306:mysql41

log         = /usr/local/sphinx/var/log/searchd.log

query_log   = /usr/local/sphinx/var/log/query.log

#  compat_sphinxql_magics = 0

attr_flush_period      = 600

mva_updates_pool       = 16M

read_timeout           = 5

max_children           = 0

dist_threads           = 2

pid_file    = /usr/local/sphinx/var/log/searchd.pid

# max_marches = 1000

seamless_rotate        = 1

preopen_indexes        = 1

unlink_old             = 1

workers                = threads

binlog_path            = /usr/local/sphinx/var/data

}

7、Sphinx創建索引

# cd /usr/local/sphinx/bin/

#第一次重建索引

# ./indexer -c /usr/local/sphinx/etc/sphinx.conf --all

#啟動sphinx

# ./searchd -c /usr/local/sphinx/etc/sphinx.conf

#查看進程

# ps -ef | grep searchd

#查看狀態

# ./searchd -c /usr/local/sphinx/etc/sphinx.conf --status

#關閉sphinx

# ./searchd -c /usr/local/sphinx/etc/sphinx.conf --stop

8、索引更新及使用說明

"增量索引"每N分鐘更新一次.通常在每天晚上低負載的時進行一次索引合并,同時重新建立"增量索引"。當然"主索引"數據不多的話，也可以直接重新建立"主索引"。

API搜索的時，同時使用"主索引"和"增量索引"，這樣可以獲得準實時的搜索數據.本文的Sphinx配置將"主索引"和"增量索引"放到分布式索引master中,因此只需查詢分布式索引"master"即可獲得全部匹配數據(包括最新數據)。

索引的更新與合并的操作可以放到cron job完成：

8.1、編輯

# crontab -e

*/1 * * * *  /usr/local/sphinx/shell/index_update.sh

0   3 * * *  /usr/local/sphinx/shell/merge_index.sh

//查看

# crontab -l

8.2、腳本如下

#更新腳本

# vim /usr/local/sphinx/shell/index_update.sh

#!/bin/sh

/usr/local/sphinx/bin/indexer -c /usr/local/sphinx/etc/sphinx.conf --rotate items_delta > /dev/null 2>&1

#合并腳本

[root@Sphinx shell]# vim merge_index.sh

#!/bin/bash

indexer=/usr/local/sphinx/bin/indexer

mysql=`which mysql`

#host=172.169.18.128

#mysql_user=jiangjj

#mysql_password=123456

QUERY="use jiangjj;select max_doc_id from sph_counter where counter_id = 2 limit 1;"

index_counter=$($mysql -h272.169.18.128 -ujiangjj -p123456 -sN -e "$QUERY")

#merge "main + delta" indexes

$indexer -c /usr/local/sphinx/etc/sphinx.conf --rotate --merge items items_delta --merge-dst-range deleted 0 0 >> /usr/local/sphinx/var/index_merge.log 2>&1

if [ "$?" -eq 0 ]; then

   ##update sphinx counter

   if [ ! -z $index_counter ]; then

       $mysql -h272.169.18.128 -ujiangjj -p123456 -Djiangjj -e "REPLACE INTO sph_counter VALUES (1, '$index_counter')"

   fi

   ##rebuild delta index to avoid confusion with main index

   $indexer -c /usr/local/sphinx/etc/sphinx.conf --rotate items_delta >> /usr/local/sphinx/var/rebuild_deltaindex.log 2>&1

fi

#授權

# chmod u+x *.sh

測試沒問題后繼續下一步操作

四、搭建scws(中文分詞)服務

下載地址：http://www.xunsearch.com/scws/download.php

1、scws下載安裝：注意擴展的版本和php的版本

# wget -c http://www.xunsearch.com/scws/down/scws-1.2.3.tar.bz2

# tar jxvf scws-1.2.3.tar.bz2

# cd scws-1.2.3/

# ./configure --prefix=/usr/local/scws

# make && make install

2、scws的PHP擴展安裝

# cd ./phpext/

# phpize

# ./configure

# make && make install

編譯完成狀態如下：

#修改php配置文件

[root@Sphinx ~]# echo "[scws]" >> /etc/php.ini

[root@Sphinx ~]# echo "extension = scws.so" >> /etc/php.ini

[root@Sphinx ~]# echo "scws.default.charset = utf-8" >> /etc/php.ini

[root@Sphinx ~]# echo "scws.default.fpath = /usr/local/scws/etc/" >> /etc/php.ini

3、詞庫安裝

下載地址：http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2

# wget http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2

# tar jxvf scws-dict-chs-utf8.tar.bz2 -C /usr/local/sphinx/etc/

# chown -R apache:apache /usr/local/sphinx/etc/dict.utf8.xdb

五、php使用Sphinx+scws測試

1、在Sphinx源碼API中,有好幾種語言的API調用.其中有一個是sphinxapi.php。

新建一個Search.php文件，一個前端頁面index.php

代碼省略

訪問：

2、SphinxQL測試

要使用SphinxQL需要在Searchd的配置里面增加相應的監聽端口(參考上文配置)。

# mysql -h227.0.0.1 -P9306 -ujiangjj -p

mysql> show global variables;

mysql> desc items;

mysql> select * from master where match('mysql*') limit 10;

mysql> show meta;

對于以上sphinx結合scws對mysql實現全文檢索相關內容，大家還有什么不明白的地方嗎？或者想要了解更多相關，可以繼續關注我們的行業資訊板塊。