开发学院CMS教程phpwind Sphinx全文索引安装教程 阅读

Sphinx全文索引安装教程

 2009-09-23 00:22:34 来源:WEB开发网   
核心提示: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/

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
-u            Unigram Dictionary
-r           Combine with -u, used a plain text build Unigram Dictionary, default Off
-b            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
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/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
}

Tags:Sphinx 全文 索引

编辑录入:coldstar [复制链接] [打 印]
[]
  • 好
  • 好的评价 如果觉得好,就请您
      0%(0)
  • 差
  • 差的评价 如果觉得差,就请您
      0%(0)
赞助商链接