[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

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

 

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

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

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

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  

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

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。

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

1. make
2. make install

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

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

1. /usr/local/mysql/bin/mysql -uroot -p < /usr/local/sphinx/etc/example.sql

索引的建立方法为

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：

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

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

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

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

1. charset_type = zh_cn.utf-8
2. charset_dictpath = /usr/local/sphinx/

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

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

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。

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

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

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

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: $sphinxlocation/var/log/searchd.pid
11. # Source function library.
12. . /etc/rc.d/init.d/functions
13. processname=searchd
14. servicename=sphinx
15. username=sphinx
16. sphinxlocation=/usr/local/sphinx
17. pidfile=$sphinxlocation/var/log/searchd.pid
18. searchd=$sphinxlocation/bin/searchd
19. RETVAL=0
20. PATH=$PATH:$sphinxlocation/bin
21. start() {
22. echo -n $"Starting Sphinx daemon: "
23. daemon --user=$username --check $servicename $processname
24. RETVAL=$?
25. echo
26. [ $RETVAL -eq 0 ] && touch /var/lock/subsys/$servicename
27. }
28. stop() {
29. echo -n $"Stopping Sphinx daemon: "
30. $searchd --stop
31. #killproc -p $pidfile $servicename -TERM
32. RETVAL=$?
33. echo
34. if [ $RETVAL -eq 0 ]; then
35. rm -f /var/lock/subsys/$servicename
36. rm -f $pidfile
37. fi
38. }
39. # See how we were called.
40. case "$1" in
41. start)
42. start
43. ;;
44. stop)
45. stop
46. ;;
47. status)
48. status $processname
49. RETVAL=$?
50. ;;
51. restart)
52. stop
53. sleep 3
54. start
55. ;;
56. condrestart)
57. if [ -f /var/lock/subsys/$servicename ]; then
58. stop
59. sleep 3
60. start
61. fi
62. ;;
63. *)
64. echo $"Usage: $0 {start|stop|status|restart|condrestart}"
65. ;;
66. esac
67. exit $RETVAL

修改权限并加入到service,机器启动时自动启动

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