Sphinx全文索引安装教程

admin

October 3, 2009 - 6 minutes read - 1163 words

首先了解一下sphinx全文索引的相关知识

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，

如果执行上面的命令时，提示找不到python.dll找不到的话，请安装python2.5即可，windows下的安装文件下载地址：

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PHPW_ind_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：PHPW_ind_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 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:

document=3, weight=1, fid=7, authorid=1
document=97, weight=1, fid=35, authorid=1
document=108, weight=1, fid=32, authorid=1
document=146, weight=1, fid=7, authorid=1

words:

‘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 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 }

Sphinx