MySQL+Sphinx實現全文搜索

最近在作一個搜索引擎，主要是對圖書方面的對象級的搜索，首先來了解下Sphinx吧。

它可以提升你的查詢的速度，這個不是通常的快。

Sphinx是一個基於SQL的全文檢索引擎，能夠結合MySQL，PostgreSQL作全文搜索，他能夠提供比數據庫自己更專業的搜索功能，使得應用程序更容易實現專業化的全文檢索。         Sphinx特別爲一些腳本語言設計搜索API接口，如：PHP、Python、Perl、Ruby等，同時爲MySQL也設計了一個存儲引擎插件。

Sphinx單一索引最大可包含1億條記錄，在1千萬條記錄狀況下的查詢速度爲毫秒級。Sphinx建立索引的速度爲：建立100萬條記錄的索引只需 3～4分鐘，建立1000萬條記錄的索引能夠在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。

Sphinx的主要特性包括：

高速索引 (在新款CPU上,近10 MB/秒);
高速搜索 (2-4G的文本量中平均查詢速度不到0.1秒);
高可用性 (單CPU上最大可支持100 GB的文本,100M文檔);
提供良好的相關性排名

支持分佈式搜索;

提供文檔摘要生成;

提供從MySQL內部的插件式存儲引擎上搜索

支持布爾,短語, 和近義詞查詢;

支持每一個文檔多個全文檢索域(默認最大32個);

支持每一個文檔多屬性;
支持斷詞;

支持單字節編碼與UTF-8編碼;

看了上面的特色仍是挺不錯的，在看看使用的方式吧.

原生MySQl存儲引擎檢索流程:

基於Sphinx存儲引擎檢索：

我仍是比較喜歡使用第二種存儲引擎，即便你的編程語言不支持Sphinx的API的接口也能夠使用喲。

在開始安裝以前須要安裝一些必要的組件

yum -y install gcc g++ gcc-c++ libjpeg libjpeg-devel libpng libpng-devel freetype freetype-devel libxml2 libxml2-devel zlib zlib-devel glibc glibc-devel glib2 glib2-devel bzip2 bzip2-devel ncurses ncurses-devel curl curl-devel e2fsprogs e2fsprogs-devel krb5 krb5-devel libidn libidn-devel openssl openssl-devel openldap openldap-devel nss_ldap openldap-clients openldap-servers patch libtool automake imake mysql-devel expat-devel

 

 

 

（1）安裝python支持

yum install –y python python-devel

 

（2）編譯安裝LibMMSeg（LibMMSeg是爲Sphinx全文搜索引擎設計的中文分詞軟件包，其在GPL協議下發行的中文分詞法，採用Chin-Hao Tsai的MMSEG算法。LibMMSeg在本文中用來生成中文分詞詞庫）。

wget http://www.coreseek.com/uploads/sources/mmseg-0.7.3.tar.gz tar zxvf mmseg-0.7.3.tar.gz cd mmseg-0.7.3 ./configure make make install

（1）       編譯安裝MySQL5.1.26-rc、Sphinx、SphinxSE存儲引擎

wget http://blog.s135.com/soft/linux/nginx_php/mysql/mysql-5.1.26-rc.tar.gz tar zxvf mysql-5.1.26-rc.tar.gz   wget http://www.sphinxsearch.com/downloads/sphinx-0.9.8-rc2.tar.gz wget http://www.coreseek.com/uploads/sources/sphinx-0.98rc2.zhcn-support.patch wget http://www.coreseek.com/uploads/sources/fix-crash-in-excerpts.patch tar zxvf sphinx-0.9.8.rc2.tar.gz patch –p1 < ../sphinx-0.98rc2.zhcn-support.patch    #補丁 patch –p1 <../fix-crash-in-excerpts.patch     #補丁 cp –rf mysqlse ../mysql-5.1.26-rc/storage/sphinx cd ../   cd mysql-5.1.26-rc/ sh BUILD/autorun.sh ./configure --with-plugins= partition,innobase,myisammrg,sphinx  --prefix=/usr/local/mysql / --enable-assembler --with-extra-charsets=complex --enable-thread-safe-client --with-big-tables --with-readline --with-ssl --with-embedded-server --enable-local-infile make && make install  cd ../

 

啓動MySQL數據庫

cp support-files/my-medium.cnf /etc/my.cnf # 配置文件 cp support-files/mysql.server /etc/rc.d/mysqld # 添加 MySQL 服務控制 cd /usr/local/mysql bin/mysql_install_db --user=mysql # 安裝 bin/mysqld_safe --user=mysql & # 測試安裝是否成功 bin/mysql # 進入 MySQL 命令提示符 啓動中止 /etc/rc.d/mysqld start /etc/rc.d/mysqld stop 因而咱們本身建立文件/etc/rc.local並給予執行權限。大體內容爲： #!/bin/sh /usr/local/mysql/bin/mysqld_safe --user=mysql & 或者 /etc/rc.d/mysqld start

輸入下列命令出現SPHINX表示SphinxSE已經移植到MySQL中去了。

show engines;

本文使用的0.9.8版本，建議使用0.9.9版本，0.9.9版本是最妥當的版本，我最後也改爲了0.9.9版本的。

Sphinx默認不支持中文索引及檢索，之前用Coreseek的補丁來解決，目前Coreseek不單獨提供補丁，而基於Sphinx開發了Coreseek全文檢索服務器，Coreseek應該是如今用的最多的Sphinx中文全文檢索，它提供了爲Sphinx設計的中文分詞包LibMMSeg包含mmseg中文分詞，其實coreseek-3.2.14.tar.gz中已經包含了sphinx，前面安裝SphinxSE時也能夠使用這個壓縮包裏的mysqlse。

安裝autoconf

tar zxvf autoconf-2.64.tar.gz cd autoconf-2.64 ./configure –prefix=/usr make make install

安裝Coreseek

tar zxvf coreseek-3.2.14.tar.gz cd coreseek-3.2.14 cd mmseg-3.2.14/ ./bootstrap ./configure –prefix=/usr/local/mmseg3 make make install cd ../csft-3.2.14/ sh buildconf.sh ./configure --prefix=/usr/local/coreseek --without-python --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --with-mysql --host=arm make make install cd /usr/local/coreseek/etc

進入配置目錄經過命令ls能夠看到3個文件

example.sql  sphinx.conf.dist  sphinx-min.conf.dist

其中example.sql是實例sql腳本咱們將其導入到數據庫中的test數據庫中做爲測試數據（會建立documents表和tags表）

vi sphinx.conf

輸入一些內容：

source src1 {      type                   = mysql      sql_host               = localhost      sql_user               = root      sql_pass               =12345678      sql_db                 = test      sql_port               = 3306   # optional, default is 3306      sql_sock                              = /tmp/mysql.sock      sql_query_pre = SET NAMES utf8      sql_query              = \          SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content \          FROM documents      sql_attr_uint          = group_id      sql_attr_timestamp     = date_added      sql_query_info              = SELECT * FROM documents WHERE id=$id } index test1 {      source                      = src1      path                   = /usr/local/coreseek/var/data/test1      docinfo                     = extern      charset_type           = zh_cn.utf-8      mlock              = 0      morphology         = none      min_word_len       = 1      html_strip         = 0      charset_dictpath       = /usr/local/mmseg3/etc/      ngram_len                    = 0 } indexer {      mem_limit              = 32M }     searchd {      port                   = 9312      log                         = /usr/local/coreseek/var/log/searchd.log      query_log              = /usr/local/coreseek/var/log/query.log      read_timeout           = 5      max_children           = 30      pid_file               = /usr/local/coreseek/var/log/searchd.pid      max_matches                 = 1000      seamless_rotate             = 1      preopen_indexes             = 0      unlink_old                  = 1 }

說明：代碼段sorce src1{***}表明數據源裏面主要包含了數據庫的配置信息，src1表示數據源名字，能夠隨便寫。

代碼段index test1{***} 表明爲那個數據源建立索引，與source ***是成對出現的，其中的source參數的值必須是某個數據源的名字。

生成索引

/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/sphinx.conf --all

 出現的問題：

問題1：若是sh  BUILD/autorun.sh

但sphinx就是不會出如今configure –h裏面，須要執行sh BUILD/cleanup 再執行sh BUILD/autorun.sh 而後執行./configure –h如今就能夠看到sphinx了。

問題2：若是編譯mysql是報錯查看是否安裝ncurses安裝包

能夠執行：yum list|grep ncurses

yum –y install ncurses-devel

yum install ncurses-devel

而後再執行./configure。

問題3 在安裝LibMMSeg須要先執行yum install mysql-devel libxml2-devel expat-devel

問題4 在安裝MMSeg的時候出現錯誤提示爲：css/UnigramCorpusReader.cpp:89: error: 'strncmp' was not declared in this scope

手動修改了src/css/UnigramCorpusReader.cpp

在上面添加了一句

#include <string.h>

而後再開始編譯安裝就能夠了。