[转]Sphinx+Mysql+中文分词安装-实现中文全文搜索

From : http://blog.csdn.net/lgm252008/article/details/5373436

1、什么是Sphinx
Sphinx 是一个在GPLv2 下发布的一个全文检索引擎，商业授权（例如, 嵌入到其他程序中）
需要联系我们（Sphinxsearch.com）以获得商业授权。
一般而言，Sphinx是一个独立的搜索引擎，意图为其他应用提供高速、低空间占用、高结果
相关度的全文搜索功能。Sphinx可以非常容易的与SQL数据库和脚本语言集成。
当前系统内置MySQL和PostgreSQL 数据库数据源的支持，也支持从标准输入读取特定格式
的XML数据。通过修改源代码，用户可以自行增加新的数据源（例如：其他类型的DBMS
的原生支持）。
搜索API支持PHP、Python、Perl、Rudy和Java，并且也可以用作MySQL存储引擎。搜索
API非常简单，可以在若干个小时之内移植到新的语言上。
Sphinx 是SQL Phrase Index的缩写，但不幸的和CMU的Sphinx项目重名

 

2、Sphinx的特性

  • 高速的建立索引(在当代CPU上，峰值性能可达到10 MB/秒);

  • 高性能的搜索(在2 – 4GB 的文本数据上，平均每次检索响应时间小于0.1秒);

  • 可处理海量数据(目前已知可以处理超过100 GB的文本数据, 在单一CPU的系统上可
    处理100 M 文档);

  • 提供了优秀的相关度算法，基于短语相似度和统计（BM25）的复合Ranking方法;

  • 支持分布式搜索;

  • provides document exceprts generation;

  • 可作为MySQL的存储引擎提供搜索服务;

  • 支持布尔、短语、词语相似度等多种检索模式;

  • 文档支持多个全文检索字段(最大不超过32个);

  • 文档支持多个额外的属性信息(例如：分组信息，时间戳等);

  • 停止词查询;

  • 支持单一字节编码和UTF-8编码;

  • 原生的MySQL支持(同时支持MyISAM 和InnoDB );

  • 原生的PostgreSQL 支持.

 

 

一、安装所需文件mmseg-0.7.3.tar.gz 中文分词
http://www.coreseek.com/uploads/sources/mmseg-0.7.3.tar.gz

mysql-5.1.26-rc.tar.gz mysql-5.1.26源代码

 

sphinx-0.9.8-rc2.tar.gz sphinx-0.9.8-rc2源代码
http://www.sphinxsearch.com/downloads/sphinx-0.9.8-rc2.tar.gz

[c-sharp] view plaincopy
 
  1. mmseg   
  2. Coreseek COS(tm) MM Segment 1.0   
  3. Copyright By Coreseek.com All Right Reserved.   
  4. Usage: mmseg <option> <file>   
  5. -u <unidict>           Unigram Dictionary   
  6. -r           Combine with -u, used a plain text build Unigram Dictionary, default Off   
  7. -b <Synonyms>           Synonyms Dictionary   
  8. -h            print this help and exit  

 

 

fix-crash-in-excerpts.patch sphinx支持分词补丁
http://www.coreseek.com/uploads/sources/fix-crash-in-excerpts.patch

 

sphinx-0.98rc2.zhcn-support.patch sphinx支持分词补丁
http://www.coreseek.com/uploads/sources/sphinx-0.98rc2.zhcn-support.patch

 

二、开始安装
1.安装libmmseg

安装mmseg完成,测试一下

 

[c-sharp] view plaincopy
 
  1. tar -zxvf mmseg-0.7.3.tar.gz   
  2. cd mmseg-0.7.3   
  3. ./configure --prefix=/usr/local/mmseg   
  4. make   
  5. make install   
  6. cd ..  

 

 

有问题可以尝试执行下面命令

 

[c-sharp] view plaincopy
 
  1. echo '/usr/local/mmseg/lib' >> /etc/ld.so.conf   
  2. ldconfig -v   
  3. ln -s /usr/local/mmseg/bin/mmseg /bin/mmseg  

 

 

2.重新编译mysql
在安装之前先打两个补丁,这个是支持中文必须打的补丁

 

[c-sharp] view plaincopy
 
  1. tar -zxvf sphinx-0.9.8-rc2.tar.gz   
  2. cd sphinx-0.9.8   
  3. patch -p1 < ../sphinx-0.98rc2.zhcn-support.patch   
  4. patch -p1 < ../fix-crash-in-excerpts.patch  

 

 

3.安装sphinx

 

[c-sharp] view plaincopy
 
  1. cd /root/lemp/sphinx-0.9.8-rc2   
  2. ./configure --prefix=/usr/local/sphinx --with-mysql=/opt/mysql /   
  3. --with-mysql-includes=/opt/mysql/include/mysql --with-mysql-libs=/opt/mysql/lib/mysql /   
  4. --with-mmseg-includes=/usr/local/mmseg/include --with-mmseg-libs=/usr/local/mmseg/lib --with-mmseg   
  5. make  

 

 

 

 

[c-sharp] view plaincopy
 
  1. tokenizer_zhcn.cpp:1:30: SegmenterManager.h: 没有那个文件或目录   
  2. tokenizer_zhcn.cpp:2:23: Segmenter.h: 没有那个文件或目录  

 

 

 

[c-sharp] view plaincopy
 
  1. make clean   
  2. ./configure --prefix=/usr/local/sphinx --with-mysql=/opt/mysql /   
  3. --with-mysql-includes=/usr/local/mysql/include/mysql --with-mysql-libs=/opt/mysql/lib/mysql /   
  4. --with-mmseg-includes=/usr/local/mmseg/include/mmseg --with-mmseg-libs=/usr/local/mmseg/lib --with-mmseg  
  5. /root/sphinx/sphinx-0.9.8-rc2/src/tokenizer_zhcn.cpp:34: undefined reference to `libiconv_close'   
  6. collect2: ld returned 1 exit status  

 

 

官网解决办法：
In the meantime I've change the configuration file and set
#define USE_LIBICONV 0 in line 8179.
修改configure 文件把 #define USE_LIBICONV 0 最后的数值由1改为0
重新编译。

 

 

[c-sharp] view plaincopy
 
  1. make clean   
  2. ./configure --prefix=/usr/local/sphinx --with-mysql=/opt/mysql /   
  3. --with-mysql-includes=/usr/local/mysql/include/mysql --with-mysql-libs=/usr/local/mysql/lib/mysql /   
  4. --with-mmseg-includes=/usr/local/mmseg/include/mmseg --with-mmseg-libs=/usr/local/mmseg/lib --with-mmseg  

 

 

vi configure
输入/define USE_LIBICONV 找到目标行
按i键后将1改成0,按esc,输入:wq保存退出

 

 

[c-sharp] view plaincopy
 
  1. make   
  2. make install  

  

 

 

 

[c-sharp] view plaincopy
 
  1. cd /usr/local/sphinx/etc   
  2. cp sphinx.conf.dist sphinx.conf  

 

 

 

4.配置sphinx

 

修改/usr/local/sphinx/etc/sphinx.conf

 

[c-sharp] view plaincopy
 
  1. type = mysql   
  2. # some straightforward parameters for SQL source types   
  3. sql_host = localhost   
  4. sql_user = root   
  5. sql_pass =   
  6. sql_db = test   
  7. sql_port = 3306 # optional, default is 3306  
  8. address = 127.0.0.1 #安全点可以只监听本机  

 

 

5.索引建立

 

装好sphinx后在sphinx的目录中有三个目录 分别为bin etc var
bin中 存有sphinx用到的一些执行文件 包括 indexer 索引建立 search 查询工具 searchd 查询服务器 等

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
//创建了一个test库，并建立了documents测试表和数据

 

[c-sharp] view plaincopy
 
  1. /usr/local/mysql/bin/mysql -uroot -p < /usr/local/sphinx/etc/example.sql  

  

 

 

索引的建立方法为

 

[c-sharp] view plaincopy
 
  1. /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf test1  

 

 

test1为资源名称 不写为默认所有都建立索引
附:
建立索引期间可能由于不同版本的数据库导致indexer找不到共享库libmysqlclient.so.16
需要把/opt/mysql/lib/mysql/libmysqlclient.so.16.0.0 这个文件复制到/usr/lib下 或者作软连接即可

 

6.查询服务器

 

/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf 为开启

/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf --stop 为关闭

sphinx的查询 可以大致分为三种

1 数据库引擎中的查询

2 通过search工具查询
/usr/local/sphinx/bin/search --config /usr/local/sphinx/etc/sphinx.conf test

3 通过php的接口查询 详见sphinxapi.php

 三、在mysql中的使用SphinxSE方式调用Sphinx
1.在mysql中的使用SphinxSE方式调用Sphinx
首先建立一张索引专用表：
[c-sharp] view plaincopy
 
  1. CREATE TABLE `sphinx` (     
  2. `id` int(11) NOT NULL,     
  3. `weight` int(11) NOT NULL,     
  4. `query` varchar(255) NOT NULL,     
  5. `CATALOGID` INT NOT NULL,     
  6. `EDITUSERID` INT NOT NULL,     
  7. `HITS` INT NULL,     
  8. `ADDTIME` INT NOT NULL,   KEY    
  9. `Query` (`Query`)    
  10. ) 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

 

 

[c-sharp] view plaincopy
 
  1. 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

 

 

2.中文分词应用
生成词典
进入到mmseg的源代码目录后

 

 

[c-sharp] view plaincopy
 
  1. cd data   
  2. mmseg -u unigram.txt  

 

在data下边会产生一个文件unigram.txt.uni
这个就是生成的字典 然后把字典改名为uni.lib放在可以读取的目录中即可

 

 

[c-sharp] view plaincopy
 
  1. 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

 

[c-sharp] view plaincopy
 
  1. charset_type = zh_cn.utf-8   
  2. charset_dictpath = /usr/local/sphinx/  

 

 

 

[c-sharp] view plaincopy
 
  1. INSERT INTO `test`.`documents` (   
  2. `id` ,   
  3. `group_id` ,   
  4. `group_id2` ,   
  5. `date_added` ,   
  6. `title` ,   
  7. `content`   
  8. )   
  9. VALUES (   
  10. NULL , '3', '9', NOW( ) , 'sphinx中文搜索', 'Sphinx是一个基于SQL的全文检索引擎，可以结合MySQL,PostgreSQL做全文搜索，它可以提供比数据库本身更专业的搜索功能，使得应用程序更容易实现专业化的全文检索。Sphinx特别为一些脚本语言设计搜索API接口，如PHP,Python,Perl,Ruby等，同时为MySQL也设计了一个存储引擎插件。 '   
  11. );  

 

 

(如果searchd已经再运行，先kill 它再运行)
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
重建索引,成功后，开启索引监听

 

[c-sharp] view plaincopy
 
  1. /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all    
  2. /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf  

 

 在ide硬盘上建索引的速度

 

[c-sharp] view plaincopy
 
  1. indexing index 'test1'...   
  2. collected 423228 docs, 637.2 MB   
  3. sorted 125.5 Mhits, 100.0% done   
  4. total 423228 docs, 637201412 bytes   
  5. total 753.401 sec, 845766.13 bytes/sec, 561.76 docs/sec  

  

 

这样，就可以在phpmyadmin中进行测试了。

 

[c-sharp] view plaincopy
 
  1. SELECT doc. *  FROM documents doc JOIN sphinx ON ( doc.id = sphinx.id )   
  2. WHERE query = '设计;mode= any '  

 

 

 

好像没出来。。。。

修改 sphinx.conf
去掉下面的注释

 

 

[c-sharp] view plaincopy
 
  1. sql_query_pre = SET NAMES utf8  

  

 

 

再重启searchd就可以搜出结果了

 

使用service 控制sphinx

 

先增加一sphinx用户并属于website组(事先已存在),并修改sphinx目录的属主

 

[c-sharp] view plaincopy
 
  1. useradd -d /usr/local/sphinx -g website -s /sbin/nologin sphinx   
  2. chown -R sphinx:website /usr/local/sphinx  

 

 

创建/etc/init.d/sphinx脚本

 

 

[c-sharp] view plaincopy
 
  1. #!/bin/sh   
  2. # sphinx: Startup script for Sphinx search   
  3. #   
  4. # chkconfig: 345 86 14   
  5. # description:  This is a daemon for high performance full text /   
  6. #               search of MySQL and PostgreSQL databases. /   
  7. #               See http://www.sphinxsearch.com/ for more info.   
  8. #   
  9. # processname: searchd   
  10. # pidfile: $sphinxlocation/var/log/searchd.pid   
  11.    
  12. # Source function library.   
  13. . /etc/rc.d/init.d/functions   
  14.     
  15. processname=searchd   
  16. servicename=sphinx   
  17. username=sphinx   
  18. sphinxlocation=/usr/local/sphinx   
  19. pidfile=$sphinxlocation/var/log/searchd.pid   
  20. searchd=$sphinxlocation/bin/searchd   
  21.     
  22. RETVAL=0   
  23.     
  24. PATH=$PATH:$sphinxlocation/bin   
  25.     
  26. start() {   
  27.     echo -n $"Starting Sphinx daemon: "   
  28.     daemon --user=$username --check $servicename $processname   
  29.     RETVAL=$?   
  30.     echo   
  31.     [ $RETVAL -eq 0 ] && touch /var/lock/subsys/$servicename   
  32. }   
  33.     
  34. stop() {   
  35.     echo -n $"Stopping Sphinx daemon: "   
  36.     
  37.     $searchd --stop   
  38.     #killproc -p $pidfile $servicename -TERM   
  39.     RETVAL=$?   
  40.     echo   
  41.     if [ $RETVAL -eq 0 ]; then   
  42.         rm -f /var/lock/subsys/$servicename   
  43.         rm -f $pidfile   
  44.     fi   
  45. }   
  46.    
  47. # See how we were called.   
  48. case "$1" in   
  49.     start)   
  50.         start   
  51.         ;;   
  52.     stop)   
  53.         stop   
  54.         ;;   
  55.     status)   
  56.         status $processname   
  57.         RETVAL=$?   
  58.         ;;   
  59.     restart)   
  60.         stop   
  61. sleep 3   
  62.         start   
  63.         ;;   
  64.     condrestart)   
  65.         if [ -f /var/lock/subsys/$servicename ]; then   
  66.             stop   
  67.     sleep 3   
  68.             start   
  69.         fi   
  70.         ;;   
  71.     *)   
  72.         echo $"Usage: $0 {start|stop|status|restart|condrestart}"   
  73.         ;;   
  74. esac   
  75. exit $RETVAL  

 

修改权限并加入到service,机器启动时自动启动

 

 

[c-sharp] view plaincopy
 
  1. chmod 755 /etc/init.d/sphinx   
  2. chkconfig --add sphinx   
  3. chkconfig --level 345 sphinx on   
  4. chkconfig --list|grep sphinx #检查下  
  5. service sphinx start #运行   
  6. service sphinx stop  #停止,官方的脚本在我的as4上有点问题，所以粗鲁的改了下   
  7. service sphinx restart #重启   
  8. service sphinx status #查看是否运行  
  9. #检查下已用sphinx用户运行  
  10. ps aux |grep searchd   
  11. sphinx   24612  0.0  0.3 11376 6256 pts/1    S    14:07   0:00 searchd  

 

posted @ 2014-02-11 22:45  Athrun  阅读(397)  评论(0)  编辑  收藏  举报