Sphinx全文索引安装教程
关键字: sphinx, 全文索引, 安装
首先了解一下sphinx全文索引的相关知识
官方网站：http://www.sphinxsearch.com/
官方文档：http://www.sphinxsearch.com/docs/
中文支持：http://www.coreseek.cn/
中文使用手册下载：http://www.coreseek.cn/uploads/pdf/sphinx_doc_zhcn_0.9.pdf
基本上看看上面的官方教程和中文使用手册，你应该会安装和使用Sphix全文索引，当然，还有一些细节，需要不断的google和baidu，那为了节省大家的时间，就出一个完整的Sphinx安装教程和结合PHPWIND程序的使用教程（PHPWIND7.5版本支持）。
接下来开始Sphinx的技术之旅吧！
考虑到Sphinx全文索引使用的实际需要，主要介绍Sphinx全文索引中文方面的支持。
这里需要感谢李沫南同学对Sphinx全文索引中文支持的贡献！
一，Windows下安装Sphinx
1，开始前的准备工作
来源：http://www.coreseek.cn/products/ft_down/
下载csft3.1：http://www.coreseek.cn/uploads/csft/3.1/win32/csft3.1.bin.zip
下载标准词库：http://www.coreseek.cn/uploads/csft/3.1/data.zip
解压：csft3.1.bin.zip 如下目录，解压在C:\csft3.1目录下
解压：data.zip，解压在C:\csft3.1\data目录下 [分词包]
需要新建log文件夹
（1）复制 C:\csft3.1\conf\csft.conf.in 文件到 C:\csft3.1\bin\ 目录下，并重命名为csft.conf
注意csft.conf文件里的类似：path = @CONFDIR@/data/test1
把@CONFDIR@替换为C:\csft3.1\ 如上更改为：path = C:\csft3.1\ data\test1
（2）把测试数据 C:\csft3.1\conf\example.sql 导入数据库 [这个基本都会吧！]
（3）建立索引，在DOC界面下运行：indexer.exe --all 如下图，
建立索引过程需要仔细检查csft.conf数据库配置是否正确。如下：
sql_host = localhost #数据库主机地址
sql_user = test #数据库用户名，拥有数据库所有权限
sql_pass =
sql_db = test #数据库名
sql_port = 3306 #可用端口，一般不需要更改
其它配置使用默认，先体验下sphinx全文索引功能。
（4）测试搜索是否正常，运行：search.exe test 如下图
测试正常将返回
（5）开启搜索进程服务，运行：searchd.exe 如下图
这样就能提供sphinx全文索引的搜索服务了，以上就是一个简单的操作过程，如果需要支持中文索引，就需要配置相应的参数，具体请查看中文使用手册。为了便于大家了解相关配置，可查看PHPWind程序支持Sphinx全文索引的配置文件，大家可边对照手册边了解[中文支持具体请看linux安装部分]。
附：PHPWind程序支持Sphinx全文索引的配置。
Windows下安装Sphix使用csft非常简单，如果大家有兴趣可从sphinx[www.sphinxsearch.com]官方下载安装，不过有点复杂，这里就不介绍了，高手们慢慢体验。
二，linux下安装Sphinx全文索引，以CentOS 5.3为例
只能说windows下安装sphinx只是为了体验，因为linux下安装sphinx才是正道。
为了详细体验Centos下安装Sphinx，重新安装Centos系统，完整体验Sphinx安装过程。
Coreseek 全文检索服务器版本已经集成sphinx和中文分词补丁，只需要下载MMSeg和Coreseek Fulltext Server(源代码)，就能实现Sphinx服务支持。
下载地址：http://www.coreseek.cn/products/ft_down/
推荐源代码安装
1，开始前的准备工作 [如果已经安装就不需要，如果下面列表没有还有其它的请补上]
1）安装mysql
2）安装php
3）安装apache
4）安装python
5）安装libiconv
6）安装gcc-c++
7）下载Coreseek Fulltext Server(源代码)：http://www.coreseek.cn/uploads/csft/3.1/Source/csft-3.1.tar.gz
8）下载Coreseek Mmseg(源代码)：http://www.coreseek.cn/uploads/csft/3.1/Source/mmseg-3.1.tar.gz
执行如下命令
yum install python python-dev
2，安装步骤
（1）下载CSFT与MMseg
#wget http://www.coreseek.cn/uploads/csft/3.1/Source/mmseg-3.1.tar.gz
#wget http://www.coreseek.cn/uploads/csft/3.1/Source/csft-3.1.tar.gz
（2）安装MMseg中文分词
# pwd
/usr/local [知道当前的安装目录]
# wget http://www.coreseek.cn/uploads/csft/3.1/Source/mmseg-3.1.tar.gz
# tar xzvf mmseg-3.1.tar.gz
# mkdir /usr/local/mmseg
# cd mmseg-3.1
# ./configure --prefix=/usr/local/mmseg
# make
# make install
运行如下，看看mmseg是否安装成功
# /usr/local/mmseg/bin/mmseg
Coreseek COS(tm) MM Segment 1.0
Copyright By Coreseek.com All Right Reserved.
Usage: /usr/local/mmseg/bin/mmseg <option> <file>
-u <unidict> Unigram Dictionary
-r Combine with -u, used a plain text build Unigram Dictionary, default Off
-b <Synonyms> Synonyms Dictionary
-h print this help and exit
（3）安装csft-3.1
# pwd
/usr/local
# wget http://www.coreseek.cn/uploads/csft/3.1/Source/csft-3.1.tar.gz
# tar xzvf csft-3.1.tar.gz
# mkdir /usr/local/csft
# cd csft-3.1
#
./configure --prefix=/usr/local/csft
--with-mmseg=/usr/local/mmseg/bin/mmseg
--with-mmseg-includes=/usr/local/mmseg/include/mmseg/
--with-mmseg-libs=/usr/local/mmseg/lib/
# make
# make install
这里make的时候可能出错，解决如下：
1，检查环境是否安装如下软件
# yum install mysql mysql-devel php-mysql qt4-mysql [mysql环境要首先安装]
# yum install python python-dev
2，是否安装libiconv
下载地址：http://savannah.gnu.org/projects/libiconv/
3，如果还有错误，打开src/Makefile文件，进行修改
# vi src/Makefile 找到182行
LIBS = -lm -lz -lexpat -L/usr/local/lib -lpthread
LIBS = -lm -lz -lexpat -liconv -L/usr/local/lib -lpthread
这样，如果一切顺利，就开始配置你的sphinx全文索引服务器吧[如果安装有什么问题，欢迎在PHPWind官方提问]！
3，按下来就是配置
#cp /usr/local/csft/etc/sphinx-min.conf.dist /usr/local/csft/etc/sphinx.conf
修改sphinx.conf文件中的数据库参数配置，方法同windows下一样
sql_host = localhost
sql_user = root
sql_pass =
sql_db = test
4，把体验数据/usr/local/csft/etc/example.sql 导入到数据库 [这一步应该都会]
5，新建索引
# /usr/local/csft/bin/indexer --all
6，测试搜索
# /usr/local/csft/bin/search test
如果测试有返回，恭喜你的sphinx全文索引服务器配置成功
7，接下来就是支持中文的配置和实现
UTF8编码实例 [如果已经存在utf8的数据库就不需要新建，这里只是举例]
1）创建一个新的数据库，注意编码为utf8_general_ci，如phpwind
2）导入部分现有的GBK数据，如pw_threads
3）配置csft.conf如下
source数据源部分
sql_host = localhost
sql_user = root
sql_pass =
sql_db = phpwind
sql_query_pre = SET NAMES utf8
sql_query_pre = SET SESSION query_cache_type=OFF
sql_query = SELECT tid,fid,authorid,subject FROM pw_threads
sql_attr_uint = fid
sql_attr_uint = authorid
索引部分
charset_type = zh_cn.utf-8
charset_dictpath = /usr/local/csft/
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2
4）创建数据词典
#pwd
/usr/local/mmseg-3.1/data [这是你解压mmseg的目录下的data]
运行如下命令
# mmseg -u unigram.txt
# ll
总计 10152
-rwxr-xr-x 1 root root 715 06-06 18:40 build_unigram.py
-rwxr-xr-x 1 root root 32674 06-06 18:40 char.stat.txt
-rwxr-xr-x 1 root root 1051268 06-06 18:40 Lexicon_full_words.txt
-rwxr-xr-x 1 root root 1826251 06-06 18:40 unigram.txt
-rw-r--r-- 1 root root 3729280 09-16 20:20 unigram.txt.uni
将会生成 unigram.txt.uni 文件
# mv unigram.txt.uni uni.lib
# cp uni.lib /usr/local/csft/ [这就是上面我们在配置索引中用的charset_dictpath]
其它的默认不变，如上方法创建索引
# /usr/local/csft/bin/indexer --all
测试是否成功
# /usr/local/csft/bin/search 测试
以上就是utf8编码的全文索引实现过程
GBK编码实例
与utf8一样，区别在于数据库和数据表使用gbk编码
同时只需要修改如下配置部分[csft.conf]
source数据源部分
sql_query_pre = SET NAMES gbk
索引部分
charset_type = zh_cn.gbk
这里需要注意一下，如果要想测试支持gbk，可以写一个PHP文件，调用sphinx提供的api接口，注意要开启searchd进程
# /usr/local/csft/bin/searchd
编写如下代码 [注意要与sphinxapi.php目录存放在一个目录]
sphinxapi.php目录在# /usr/local/csft-3.1/api/下
也可以直接使用api目录下的test.php直接测试
<?php
require_once 'sphinxapi.php';
$sc = new SphinxClient();
$sc->SetServer('127.0.0.1',3312);
$sc->SetConnectTimeout(1);
$sc->SetWeights(array(100,1));
$sc->SetMatchMode(SPH_MATCH_ALL);
$sc->SetArrayResult(TRUE);
$res = $sc->query("简单");
var_dump($res);
?>
也可以直接运行search工具[utf8版]，如下
[root@localhost ~]# /usr/local/csft/bin/search 便宜
Coreseek Full Text Server 3.1
Copyright (c) 2006-2008 coreseek.com
using config file '/usr/local/csft/etc/csft.conf'...
index 'test1': query '便宜 ': returned 4 matches of 4 total in 0.015 sec
displaying matches:
1. document=3, weight=1, fid=7, authorid=1
2. document=97, weight=1, fid=35, authorid=1
3. document=108, weight=1, fid=32, authorid=1
4. document=146, weight=1, fid=7, authorid=1
words:
1. '便宜': 4 documents, 4 hits
如果返回false，请检查searchd进程是否开启，如果返回成功，恭喜，你已经成为sphinx的使用者，向下一个高层次进军吧！
三，后记
其实很想制作一个安装视频教程，但由于时间有限，在安装过程中肯定会存在一些细节上的问题，只要大家按照上面的步骤一步一步安装，相信能把sphinx拿下，如果有什么问题
大家可查看http://www.sphinxsearch.com/和http://www.coreseek.cn/网站获取更多帮助，同时也可以查看中文手册。
同时也可以在phpwind官方网站www.phpwind.net提问和分享你的安装过程，把一个细节都亮出来，帮助别人也帮助自己。BY liuhui.php@gmail.com 2009-9-17
其它链接
用 PHP 构建自定义搜索引擎
http://www.ibm.com/developerworks/cn/opensource/os-php-sphinxsearch/index.html
MMSEG: A Word Identification System for Mandarin Chinese Text Based on Two Variants of the Maximum Matching Algorithm
http://technology.chtsai.org/mmseg/
附phpwind配置实例[gbk版]
PHPWind搜索sphinx配置实例 [修改部分参数就可直接应用于phpwind程序]
部分解读：
如下全文索引使用的是主索引＋增量索引的方式，具体大家结合手册了解相关知识
需要创建一张表 [编码自己定，如下是gbk]
CREATE TABLE IF NOT EXISTS `search_counter` (
`counterid` int(11) NOT NULL DEFAULT '0',
`max_doc_id` int(11) NOT NULL DEFAULT '0',
`min_doc_id` int(10) NOT NULL DEFAULT '0',
PRIMARY KEY (`counterid`)
) ENGINE=MyISAM DEFAULT CHARSET=gbk;
csft.conf配置文件
source tmsgs
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = xxxx
sql_db = phpwind
sql_port = 3307 # optional, default is 3306
sql_sock = /tmp/mysql3307.sock
sql_query_pre = SET NAMES gbk
sql_query_pre = SET SESSION query_cache_type=OFF
sql_query_pre = REPLACE INTO search_counter SELECT 1,MAX(tid),MIN(tid) FROM pw_tmsgs
sql_query_range = SELECT min_doc_id, max_doc_id FROM search_counter WHERE counterid = 1
sql_range_step = 1000
sql_query = SELECT
th.tid,th.subject,th.authorid,th.postdate,th.lastpost,th.fid,th.digest,th.hits,th.replies,t.content
FROM pw_threads th LEFT JOIN pw_tmsgs t USING(tid) WHERE th.tid >
$start AND th.tid <= $end
sql_attr_uint = authorid
sql_attr_uint = hits
sql_attr_uint = replies
sql_attr_uint = fid
sql_attr_timestamp = postdate
sql_attr_timestamp = lastpost
sql_attr_uint = digest
}
source addtmsgs
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = xxxx
sql_db = phpwind
sql_port = 3307 # optional, default is 3306
sql_sock = /tmp/mysql3307.sock
sql_query_pre = SET NAMES gbk
sql_query_pre = SET SESSION query_cache_type=OFF
sql_query_range = SELECT max_doc_id, max_doc_id+100000 FROM search_counter WHERE counterid = 1
sql_range_step = 100000
sql_query = SELECT
th.tid,th.subject,th.authorid,th.postdate,th.lastpost,th.fid,th.digest,th.hits,th.replies,t.content
FROM pw_threads th LEFT JOIN pw_tmsgs t USING(tid) WHERE th.tid >
$start AND th.tid <= $end
sql_attr_uint = authorid
sql_attr_uint = hits
sql_attr_uint = replies
sql_attr_uint = fid
sql_attr_timestamp = postdate
sql_attr_timestamp = lastpost
sql_attr_uint = digest
sql_query_post = REPLACE INTO search_counter SELECT 1,MAX(tid),MIN(tid) FROM pw_tmsgs
#sql_attr_uint = tid
}
source threads
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = xxxxxxx
sql_db = phpwind
sql_port = 3307 # optional, default is 3306
sql_sock = /tmp/mysql3307.sock
sql_query_pre = SET NAMES gbk
sql_query_pre = SET SESSION query_cache_type=OFF
sql_query_pre = REPLACE INTO search_counter SELECT 3,MAX(tid),MIN(tid) FROM pw_threads
sql_query_range = SELECT min_doc_id, max_doc_id FROM search_counter WHERE counterid = 3
sql_range_step = 1000
sql_query = SELECT
th.tid,th.subject,th.authorid,th.postdate,th.lastpost,th.fid,th.digest,th.hits,th.replies
FROM pw_threads th WHERE th.tid > $start AND th.tid <= $end
sql_attr_uint = authorid
sql_attr_uint = hits
sql_attr_uint = replies
sql_attr_uint = fid
sql_attr_timestamp = postdate
sql_attr_timestamp = lastpost
sql_attr_uint = digest
}
source addthreads
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = xxx
sql_db = phpwind
sql_port = 3307 # optional, default is 3306
sql_sock = /tmp/mysql3307.sock
sql_query_pre = SET NAMES gbk
sql_query_pre = SET SESSION query_cache_type=OFF
sql_query_range = SELECT max_doc_id, max_doc_id+100000 FROM search_counter WHERE counterid = 3
sql_range_step = 100000
sql_query = SELECT
th.tid,th.subject,th.authorid,th.postdate,th.lastpost,th.fid,th.digest,th.hits,th.replies
FROM pw_threads th WHERE th.tid > $start AND th.tid <= $end
sql_attr_uint = authorid
sql_attr_uint = hits
sql_attr_uint = replies
sql_attr_uint = fid
sql_attr_timestamp = postdate
sql_attr_timestamp = lastpost
sql_attr_uint = digest
sql_query_post = REPLACE INTO search_counter SELECT 3,MAX(tid),MIN(tid) FROM pw_threads
#sql_attr_uint = tid
}
index tmsgsindex
{
source = tmsgs
path = /usr/local/csft/var/data/tmsgs
docinfo = extern
charset_type = zh_cn.gbk
#min_prefix_len = 0
#min_infix_len = 2
#ngram_len = 2
charset_dictpath = /usr/local/csft/
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2
}
index addtmsgsindex
{
source = addtmsgs
path = /usr/local/csft/var/data/addtmsgs
docinfo = extern
charset_type = zh_cn.gbk
#min_infix_len = 2
#ngram_len = 2
charset_dictpath = /usr/local/csft/
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2
}
index threadsindex
{
source = threads
path = /usr/local/csft/var/data/threads
docinfo = extern
charset_type = zh_cn.gbk
#min_prefix_len = 0
#min_infix_len = 2
#ngram_len = 2
charset_dictpath = /usr/local/csft/
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2
}
index addthreadsindex
{
source = addthreads
path = /usr/local/csft/var/data/addthreads
docinfo = extern
charset_type = zh_cn.gbk
#min_infix_len = 2
#ngram_len = 2
charset_dictpath = /usr/local/csft/
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2
}
indexer
{
mem_limit = 128M
}
searchd
{
port = 3312
log = /usr/local/csft/var/log/searchd.log
query_log = /usr/local/csft/var/log/query.log
read_timeout = 5
max_children = 30
pid_file = /usr/local/csft/var/log/searchd.pid
max_matches = 1000
seamless_rotate = 1
preopen_indexes = 0
unlink_old = 1
}
