阿哥论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

新浪微博账号登陆

只需一步,快速开始

搜索
查看: 729|回复: 0

Sphinx+Mysql+中文分词安装-实现中文全文搜索-it论坛-计算机...

[复制链接]

2019

主题

1

好友

1万

积分

管理员

Rank: 9Rank: 9Rank: 9

优秀会员 助人为乐 辛勤工作 技术精英 多才多艺 优秀班竹 灌水天才 星球管理 宣传大使 灌水之王 财富勋章 版主勋章 动漫勋章 勤奋会员 论坛精英 PS高手 心 8 闪游皮肤 双鱼座 8★8➹ 志愿者 乖

发表于 2013-12-29 19:13:01 |显示全部楼层
sphinx+MySQL+中文分词安装-实现中文全文搜索-it论坛-计算机论坛
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PHPPython、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
复制代码
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 ..  
复制代码
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
复制代码
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
复制代码
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
复制代码
  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
复制代码
  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
复制代码
  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
复制代码
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
复制代码
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
复制代码
  1. cd /usr/local/sphinx/etc
  2. cp sphinx.conf.dist sphinx.conf
复制代码
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
复制代码
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
复制代码
索引的建立方法为
  1. /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf test1
复制代码
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'
复制代码
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'
复制代码
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
复制代码
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
复制代码
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/
复制代码
  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. );
复制代码
(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
复制代码
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
复制代码
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 '
复制代码
好像没出来。。。。
修改 sphinx.conf
去掉下面的注释
  1. sql_query_pre = SET NAMES utf8
复制代码
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
复制代码
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: $sphinxlocation/var/log/searchd.pid
  11.   
  12. # Source function library.
  13. . /etc/rc.d/init.d/functions
  14.   
  15. processname=searchd
  16. servicename=sphinx
  17. username=sphinx
  18. sphinxlocation=/usr/local/sphinx
  19. pidfile=$sphinxlocation/var/log/searchd.pid
  20. searchd=$sphinxlocation/bin/searchd
  21.   
  22. RETVAL=0
  23.   
  24. PATH=$PATH:$sphinxlocation/bin
  25.   
  26. start() {
  27.     echo -n $"Starting Sphinx daemon: "
  28.     daemon --user=$username --check $servicename $processname
  29.     RETVAL=$?
  30.     echo
  31.     [ $RETVAL -eq 0 ] && touch /var/lock/subsys/$servicename
  32. }
  33.   
  34. stop() {
  35.     echo -n $"Stopping Sphinx daemon: "
  36.   
  37.     $searchd --stop
  38.     #killproc -p $pidfile $servicename -TERM
  39.     RETVAL=$?
  40.     echo
  41.     if [ $RETVAL -eq 0 ]; then
  42.         rm -f /var/lock/subsys/$servicename
  43.         rm -f $pidfile
  44.     fi
  45. }
  46.   
  47. # See how we were called.
  48. case "$1" in
  49.     start)
  50.         start
  51.         ;;
  52.     stop)
  53.         stop
  54.         ;;
  55.     status)
  56.         status $processname
  57.         RETVAL=$?
  58.         ;;
  59.     restart)
  60.         stop
  61. sleep 3
  62.         start
  63.         ;;
  64.     condrestart)
  65.         if [ -f /var/lock/subsys/$servicename ]; then
  66.             stop
  67.     sleep 3
  68.             start
  69.         fi
  70.         ;;
  71.     *)
  72.         echo $"Usage: $0 {start|stop|status|restart|condrestart}"
  73.         ;;
  74. esac
  75. exit $RETVAL
复制代码
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
复制代码
本文摘自:http://blog.csdn.net/lgm252008/article/details/5373436














该会员没有填写今日想说内容.
您需要登录后才可以回帖 登录 | 立即注册 新浪微博账号登陆

回顶部