LAMP+Coreseek中文检索引擎使用详解

简要：

一、安装PHP的sphinx扩展：

=====================1、安装libsphinxclient================

#linsphinxclient在解压缩出来的coreseek-3.2.14里面

cd /usr/local/src/coreseek/csft-3.2.14/api/libsphinxclient

#安装在 /usr/local/sphinxclient
./configure  --prefix=/usr/local/sphinxclient

make && make install

====================2、安装sphinx的PHP扩展===================

cd /usr/local/src

wget http://pecl.php.net/get/sphinx-1.1.0.tgz

tar -zxvf sphinx-1.1.0.tgz

cd sphinx-1.1.0

# 使用安装php时生成的phpize来生成configure配置文件
/usr/local/php/bin/phpize   (或 /usr/bin/phpize) 
# 具体用哪个要取决于你的phpize文件所在的目录，这时你应该用 whereis phpize 来查看路径 

./configure --with-php-config=/usr/bin/php-config --with-sphinx=/usr/local/sphinxclient
# 其中 php-config 和 phpize 所在的目录是相同的，比如上面我用 /usr/bin/phpize，则在这一步我用 ./configure –with-php-config=/usr/bin/php-config。而/usr/local/sphinxclient就是上面的libsphinxclient的安装目录

make && make install

#注意，如果你的php版本是5.4，那么在这一步中会出现错误，提示在 sphinx.c:105:2，可以按下面方式修改：

#vim sphinx.c，找到105行

#把 retval = std_hnd->read_property(object, member, type TSRMLS_CC); 修改成 retval = std_hnd->read_property(object, member, type TSRMLS_CC, NULL);

#重新编译安装

#./configure --with-php-config=/usr/bin/php-config --with-sphinx=/usr/local/sphinxclient

#make && make install

安装完之后我们还要修改PHP.ini文件：

vim /etc/php.ini    #具体php.ini的位置自己查哈

#在php.ini文件的最后一行添加：
extension="sphinx.so"

#重启apache服务器
systemctl restart httpd.service

重启之后，在某个php文件里面添加 echo phpinfo();，在详情页面中假如有：

则说明安装 sphinx 的PHP扩展成功啦！

二、sphinx配置文件和测试表

一开始是没有sphinx配置文件的，我们要首先建立sphinx.conf配置文件：

cd /usr/local/coreseek/etc

cp sphinx.conf.dist sphinx.conf     #sphinx配置文件的默认名就是sphinx.conf

在这里先介绍一些sphinx.conf配置文件的结构：

#主数据源
source main{
{
#增量数据源
source delta:main{
}
#主数据索引
index main{
}
#增量数据索引
index delta:main{
}
#分布式索引
index dist1{
}
#索引器
indexer{
}
#服务进程
searchd{
}

由于初始的配置文件有很多注释，我们为了简单起见，可以将那些注释都删除了，以后要用到注释的时候可以参照sphinx.conf.dist，下面我贴出我的简化后的配置文件：

#主数据源（命名为main）
source main
{
    type                    = mysql

    sql_host                = localhost
    sql_user                = root
    sql_pass                = zhongjin
    sql_db                  = test
    sql_port                = 3306  # optional, default is 3306
    #sql_sock               = /var/lib/mysql/mysql.sock
    sql_query_pre           = SET NAMES UTF8    #mysql检索字符集
    sql_query_pre           = SET SESSION query_cache_type=OFF  #关闭缓存
    sql_query               = \
        SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content \
        FROM documents  #获取数据的SQL语句
    #sql_attr_timestamp     = date_added    #排序字段
    sql_ranged_throttle = 0
    sql_query_info      = SELECT * FROM documents WHERE id=$id  #这里的id对应于数据表的主键
}

#增量数据源(暂时用不到，先注释了)
#source src1throttled : main
#{
#   sql_ranged_throttle         = 100
#}

#主数据索引
index main
{
    source          = main  #指定主数据源
    path            = /usr/local/coreseek/var/data/main     #索引数据存放路径
    docinfo         = extern
    mlock           = 0
    morphology      = none


    #stopwords          = G:\data\stopwords.txt

    #wordforms          = G:\data\wordforms.txt
    #exceptions     = /data/exceptions.txt

    min_word_len        = 1
    charset_type        = utf-8
    html_strip              = 0
    #charset_table     = 0..9, A..Z->a..z, _, a..z, U+410..U+42F->U+430..U+44F, U+430..U+44    F
}

#增量数据索引（暂时用不到）
#index test1stemmed : test1
#{
#   path            = /usr/local/coreseek/var/data/test1stemmed
#   morphology      = stem_en
#}

#分布式索引（暂时用不到）
#index dist1
#{
#   type                = distributed
#
#   local               = test1
#   local               = test1stemmed
#   agent               = localhost:9313:remote1
#   agent               = localhost:9314:remote2,remote3
#   agent_connect_timeout   = 1000
#
#   agent_query_timeout     = 3000
#}

#索引器（基本不用改）
indexer
{
    mem_limit           = 128M
}

#服务进程（不用修改）
searchd
{
    log                 = /usr/local/coreseek/var/log/searchd.log
    query_log           = /usr/local/coreseek/var/log/query.log
    read_timeout        = 5
    client_timeout      = 300

    max_children        = 30

    pid_file            = /usr/local/coreseek/var/log/searchd.pid

    max_matches         = 1000

    seamless_rotate     = 1

    preopen_indexes     = 0
    unlink_old          = 1

    mva_updates_pool    = 1M
    max_packet_size     = 8M

    max_filters         = 256
    max_filter_values   = 4096
}

在主数据源的设置中，sql_query 和 sql_query_info 字段都是 From document，这里用的是 安装 coreseek 时提供的测试表，位于 /usr/local/coreseek/etc/example.sql，根据设置，我们创建数据库和导入测试数据表：

mysql -uroot -pzhongjin

CREATE DATABASE test;

USE test;

#导入数据
SOURCE /usr/local/coreseek/etc/example.sql;

SHOW TABLES;

#+----------------+
#| Tables_in_test |
#+----------------+
#| documents      |
#| tags           |
#+----------------+

SELECT * FROM documents;

现在该表里面有四条数据，待会我们就是用该表来测试 sphinx。

现在配置文件有了，测试数据也有了，下面就是测试了。

三、sphinx搜索测试：

1、先创建索引：在新增数据之后，都得重新索引一次

创建索引命令：indexer，
-c 指定配置文件
–all 对所有索引重新编制索引
–rotate 用于轮换索引，主要是在不停止服务的时候增加索引
–merge 合并索引

针对 test:documents 创建索引

#基本所有的命令都在该目录下
cd /usr/local/coreseek/bin

./indexer -c /usr/local/coreseek/etc/sphinx.conf --all

可以看到，我们的配置文件，还有就是我们索引的是 main 主数据源，总共有四个文档，正好对应数据表。

2、查询关键字

查询命令：search
-c 指定配置文件

查关键字 test:

cd /usr/local/coreseek/bin 

./search -c /usr/local/coreseek/etc/sphinx.conf test

查询的结果如上图所示，图中的结果表明，test 在第一篇文档中出现两次，在第二篇文档中出现两次，在第三篇文档中出现一次，总共在三个文档中出现，总共出现5次。

查关键字 group:

./search -c /usr/local/coreseek/etc/sphinx.conf group

从结果中可以发现，group只在一个文档中出现一次，但是查表发现，数据表中有 group 和 groups，为什么 groups 没有被匹配出来？因为在英文分词中是以空格进行分词的，因此group和groups是两个不同的单词。

现在我们插入一条数据，看看能不能查询出来：

mysql -uroot -pzhongjin test

INSERT INTO documents(group_id,group_id2,date_added,title,content) VALUES(3,9,NOW(),'zhongjin','zhongjin is a student');

查关键字 zhongjin

./search -c /usr/local/coreseek/etc/sphinx.conf zhongjin;

结果是 zhongjin 关键字在0个文档中出现0次，为什么？

因为我们没有索引该条记录呀，前面不是说了嘛，新增数据之后，都得重新进行索引（这个有解决方案，后面有机会再说）

./indexer -c /usr/local/coreseek/etc/sphinx.conf --all

./search -c /usr/local/coreseek/etc/sphinx.conf zhongjin;

这回出来了吧。

3、试试中文？

mysql -uroot -pzhongjin test

INSERT INTO documents(group_id,group_id2,date_added,title,content) VALUES(3,9,NOW(),'LSGO实验室','华北电力大学LSGO实验室');

./indexer -c /usr/local/coreseek/etc/sphinx.conf --all

./search -c /usr/local/coreseek/etc/sphinx.conf LSGO实验室;

从结果来看，sphinx将‘LSGO实验室’分成了‘LSGO’和‘实验室’，而且‘lsgo’被匹配出来了，但是 ‘LSGO实验室’没出来！为什么？

因为我这里测试的是 sphinx，仅仅对英文起作用，对中文不起作用。

下面我讲对中文检索引擎进行搜索测试