Mysql+Sphinx实现全文搜索
最近在做一个搜索引擎，主要是对图书方面的对象级的搜索，首先来了解下Sphinx吧。
它能够提高你的查询的速度，这个不是一般的快。
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，他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。
Sphinx单一索引最大可包含1亿条记录，在1千万条记录情况下的查询速度为毫秒级。Sphinx创建索引的速度为：创建100万条记录的索引只需 3～4分钟，创建1000万条记录的索引可以在50分钟内完成，而只包含最新10万条记录的增量索引，重建一次只需几十秒。
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的文本量中平均查询速度不到0.1秒);
高可用性 (单CPU上最大可支持100 GB的文本,100M文档);
提供良好的相关性排名
支持分布式搜索;
提供文档摘要生成;
提供从MySQL内部的插件式存储引擎上搜索
支持布尔,短语, 和近义词查询;
支持每个文档多个全文检索域(默认最大32个);
支持每个文档多属性;
支持断词;
支持单字节编码与UTF-8编码;
看了上面的特点还是挺不错的，在看看使用的方式吧.
原生MySQl存储引擎检索流程:
基于Sphinx存储引擎检索：
我还是比较喜欢使用第二种存储引擎，即使你的编程语言不支持Sphinx的API的接口也可以使用哟。
在开始安装之前需要安装一些必要的组件
|
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）安装python支持
|
yum install –y python python-devel |
（2）编译安装LibMMSeg（LibMMSeg是为Sphinx全文搜索引擎设计的中文分词软件包，其在GPL协议下发行的中文分词法，采用Chin-Hao Tsai的MMSEG算法。LibMMSeg在本文中用来生成中文分词词库）。
|
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） 编译安装MySQL5.1.26-rc、Sphinx、SphinxSE存储引擎
|
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 #补丁 patch –p1 <../fix-crash-in-excerpts.patch #补丁 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 ../ |
启动MySQL数据库
|
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 服务控制 cd /usr/local/mysql bin/mysql_install_db --user=mysql # 安装 bin/mysqld_safe --user=mysql & # 测试安装是否成功 bin/mysql # 进入 MySQL 命令提示符 启动停止 /etc/rc.d/mysqld start /etc/rc.d/mysqld stop 于是我们自己创建文件/etc/rc.local并给予执行权限。大致内容为： #!/bin/sh /usr/local/mysql/bin/mysqld_safe --user=mysql & 或者 /etc/rc.d/mysqld start |
输入下列命令出现SPHINX表示SphinxSE已经移植到MySQL中去了。
|
show engines; |
本文使用的0.9.8版本，建议使用0.9.9版本，0.9.9版本是最稳当的版本，我最后也改成了0.9.9版本的。
Sphinx默认不支持中文索引及检索，以前用Coreseek的补丁来解决，目前Coreseek不单独提供补丁，而基于Sphinx开发了Coreseek全文检索服务器，Coreseek应该是现在用的最多的Sphinx中文全文检索，它提供了为Sphinx设计的中文分词包LibMMSeg包含mmseg中文分词，其实coreseek-3.2.14.tar.gz中已经包含了sphinx，前面安装SphinxSE时也可以使用这个压缩包里的mysqlse。
安装autoconf
|
tar zxvf autoconf-2.64.tar.gz cd autoconf-2.64 ./configure –prefix=/usr make make install |
安装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 |
进入配置目录通过命令ls可以看到3个文件
example.sql sphinx.conf.dist sphinx-min.conf.dist
其中example.sql是实例sql脚本我们将其导入到数据库中的test数据库中作为测试数据（会创建documents表和tags表）
vi sphinx.conf
输入一些内容：
|
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 }
|
说明：代码段sorce src1{***}代表数据源里面主要包含了数据库的配置信息，src1表示数据源名字，可以随便写。
代码段index test1{***} 代表为那个数据源创建索引，与source ***是成对出现的，其中的source参数的值必须是某个数据源的名字。
生成索引
|
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/sphinx.conf --all |
出现的问题：
问题1：如果sh BUILD/autorun.sh
但sphinx就是不会出现在configure –h里面，需要执行sh BUILD/cleanup 再执行sh BUILD/autorun.sh 然后执行./configure –h现在就可以看到sphinx了。
问题2：如果编译mysql是报错查看是否安装ncurses安装包
可以执行：yum list|grep ncurses
yum –y install ncurses-devel
yum install ncurses-devel
然后再执行./configure。
问题3 在安装LibMMSeg需要先执行yum install mysql-devel libxml2-devel expat-devel
问题4 在安装MMSeg的时候出现错误提示为：css/UnigramCorpusReader.cpp:89: error: 'strncmp' was not declared in this scope
手动修改了src/css/UnigramCorpusReader.cpp
在上面添加了一句
#include <string.h>
然后再开始编译安装就可以了。
