1. 程式人生 > >站內全文搜尋引擎 Sphinx/coreseek 安裝使用教程

站內全文搜尋引擎 Sphinx/coreseek 安裝使用教程

Sphinx是開源的搜尋引擎,它支援英文的全文檢索。所以如果單獨搭建Sphinx,你就已經可以使用全文索引了。但是往往我們要求的是中文索引,怎麼做呢?國人提供了一個可供企業使用的,基於Sphinx的中文全文檢索引擎。也就是說Coreseek實際上的核心還是Sphinx。
sphinx可以通過設定為“一元切分模式”來支援搜尋中文
在實際使用中,搜尋非中文的話,sphinx比coreseek要快;搜尋短中文字串的話,開啟了“一元切分模式”的sphinx比coreseek要快;只有在搜尋長中文字串時,coreseek的分詞優勢才能顯現,比sphinx要快
    根據你的應用場景來選擇用哪個,如果是索引英文、數字、字元較多的資料,就用源生sphinx;如果是索引中文非常多非常長的資料,還是用coreseek吧。Coreseek是基於Sphinx開發的一款軟體,對Sphinx做了一些改動,在中文方面支援得比Sphinx好

安裝注意
Coreseek釋出了3.2.14版本和4.1版本等多個版本

3.2.14版本是2010年釋出的,它是基於Sphinx0.9.9搜尋引擎的。4.1版本是2011年釋出的,它是基於Sphinx2.0.2以後的

本文章以安裝 coreseek-4.1-beta 版本為例:
安裝包下載地址 :

http://dl.download.csdn.net/down11/20160530/de90462e2cf8350cbd4ad0f758105c9d.gz?response-content-disposition=attachment%3Bfilename%3D%22coreseek-4.1-beta.tar
.gz%22&OSSAccessKeyId=9q6nvzoJGowBj4q1&Expires=1474535438&Signature=8jae9H6dIfmd7zHRs72qcgi4Q1k%3D

3.2.14 穩定版(線上環境用此版本)

http://124.202.166.45/file3.data.weipan.cn/76885328/d22215f7ac79a8eff90a6eec0d7ccdc7f86048b6?ip=1490457292,118.144.20.162&ssig=z3aZVW70%2FY&Expires=1490457892&KID=sae,l30zoo1wmz&fn=coreseek-3.2
.14.tar.gz&skiprd=2&se_ip_debug=118.144.20.162&corp=2&from=1221134&wshc_tag=0&wsts_tag=58d68e1c&wsid_tag=75647862&wsiphost=ipdbm

第一步:安裝升級autoconf

因為coreseek需要autoconf 2.64以上版本,因此需要升級autoconf,不然會報錯
安裝方法如下:

yum -y install glibc-common libtool autoconf automake mysql-devel expat-devel

第二步:安裝mmseg(coreseek所使用的詞典)

tar -zxvf coreseek-4.1-beta.tar.gz
cd coreseek-4.1-beta
cd mmseg-4.1-beta/
./bootstrap    #輸出的warning資訊可以忽略,如果出現error則需要解決
./configure --prefix=/usr/local/mmseg3
make
make install

# 檢測是否安裝完成
mmseg
提示:-bash: mmseg: command not found

# 問題解決方法
ln -s /usr/local/mmseg3/bin/mmseg /bin/mmseg

# 再測試下
mmseg

# 顯示以下內容表示安裝成功
Coreseek COS(tm) MM Segment 1.0
Copyright By Coreseek.com All Right Reserved.
Usage: mmseg <option> <file>
-u <unidict>           Unigram Dictionary
-r           Combine with -u, used a plain text build Unigram Dictionary, default Off
-b <Synonyms>           Synonyms Dictionary
-t <thesaurus>          Thesaurus Dictionary
-h            print this help and exit

第三步:安裝csft-4.1-beta

cd csft-4.1-beta/
sh buildconf.sh    #輸出的warning資訊可以忽略,如果出現error則需要解決 
./configure \
--prefix=/usr/local/sphinx \
--without-unixodbc \
--with-mmseg \
--with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ \
--with-mmseg-libs=/usr/local/mmseg3/lib/ \
--with-mysql=/usr/local/mysql/ \

make
make install


#./configure --prefix=/usr/local/sphinx/ --with-mysql=/usr/local/mysql/ --enable-id64 
make 
make install 
# 注意1:採用這種方式安裝不支援中文分詞。
# 注意2:--enable-id64 系統是64位,開啟後Sphinx儲存模組可以支援4-5G,不開啟支援2G左右,不開啟檢索效率會高些,一般情況下建議不開啟

# 錯誤:
collect2: ld 返回 1 
make[2]: *** [indexer] 錯誤 1 

# 修改configure檔案中:
LIBS="$LIBS -L/usr/local/lib"
# 改為:
LIBS="$LIBS -liconv -L/usr/local/lib"

測試mmseg分詞和coreseek搜尋

cd testpack 
cat var/test/test.xml  #此時應該正確顯示中文 
/usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc var/test/test.xml 
/usr/local/sphinx/bin/indexer -c etc/csft.conf --all 
/usr/local/sphinx/bin/search -c etc/csft.conf 網路搜尋 
#此時正確的應該返回 
words: 
1. '網路': 1 documents, 1 hits 
2. '搜尋': 2 documents, 5 hits 

第四步:配置mmseg中文分詞

目前這裡不用操作,安裝時已經幫我配置好了

cd /usr/local/mmseg3/

# 生成unigram.txt.uni
./bin/mmseg -u /usr/local/mmseg/etc/unigram.txt
vim etc/mmseg.ini

[mmseg]
merge_number_and_ascii=0;    ;合併英文和數字 abc123/x
number_and_ascii_joint=;    ;定義可以連線英文和數字的字元
compress_space=1;    ;暫不支援
seperate_number_ascii=0;    ;將字母和數字打散

# 複製到sphinx/dict目錄
cp etc/mmseg.ini /usr/local/sphinx/dict/mmseg.ini

# 複製到sphinx/dict目錄
cp etc/unigram.txt /usr/local/sphinx/dict/uni.lib

第五步:配置sphinx

# 建立配置檔案
mkdir -p /usr/local/sphinx/etc/conf.d/
vim /usr/local/sphinx/etc/conf.d/sphinx.conf

sphinx.conf 配置檔案內容

#配置資料來源,可以有多個
source src_blog
{
    #資料庫型別
    type = mysql
    #是否去掉html標籤
    strip_html = 0
    sql_host = 127.0.0.1
    sql_user = root
    sql_pass = woshishui
    sql_db = yphp_tutiantian
    sql_port = 3006
    #在執行sql_query前執行的sql命令, 可以有多條
    sql_query_pre= SET NAMES utf8
    #全文檢索要顯示的內容,在這裡儘可能不使用where或group by,將where與groupby的內容交給sphinx,
    #由sphinx進行條件過濾與groupby效率會更高
    #注意:select 出來的欄位必須至少包括一個唯一主鍵(ARTICLESID)以及要全文檢索的欄位,
    #你計劃原本在where中要用到的欄位也要select出來
    #這裡不用使用orderby
    sql_query = SELECT * FROM tu_pic
    #開頭的表示一些屬性欄位,你原計劃要用在where,orderby,groupby中的欄位要在這裡定義
    #根據我們原先的SQL:
    #select * from eht_articles where title like ? and catalogid=? And                edituserid=?  And addtime between ? and ? order by hits desc
    #我們需要對catalogid,edituserid,addtime,hits進行屬性定義(這四個欄位也要在select的欄位列表中),
    #定義時不同的欄位型別有不同的屬性名稱,具體可以見sphinx.conf.in中的說明
    sql_attr_uint= pr
    sql_attr_uint = big_id
    sql_attr_uint = small_id
    sql_attr_uint= uid
    sql_attr_uint= is_del
    sql_ranged_throttle = 0
}


# 在這裡要注意,rt_field是檢索欄位,rt_attr_uint是返回欄位
#定義索引名稱
index sphinx_blog
{
    #資料來源名
    source = src_blog
    #索引記錄存放目錄
    path = /usr/local/sphinx/var/data/sphinx_blog
    docinfo = extern
    mlock = 0
    stopwords =
    min_prefix_len = 0
    min_infix_len = 0
    morphology = none
    min_word_len = 2
    #字符集
    charset_type = zh_cn.utf-8
    #指明分詞法讀取詞典檔案的位置,當啟用分詞法時,為必填項。在使用LibMMSeg作為分詞 庫時,
    #需要確保詞典檔案uni.lib在指定的目錄下
    charset_dictpath = /usr/local/mmseg3/etc/
    charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, U+FF21..U+FF3A->a..z,A..Z->a..z, a..z, U+0149, U+017F, U+0138, U+00DF, U+00FF, U+00C0..U+00D6->U+00E0..U+00F6,U+00E0..U+00F6, U+00D8..U+00DE->U+00F8..U+00FE, U+00F8..U+00FE, U+0100->U+0101, U+0101,U+0102->U+0103, U+0103, U+0104->U+0105, U+0105, U+0106->U+0107, U+0107, U+0108->U+0109,U+0109, U+010A->U+010B, U+010B, U+010C->U+010D, U+010D, U+010E->U+010F, U+010F,U+0110->U+0111, U+0111, U+0112->U+0113, U+0113, U+0114->U+0115, U+0115, U+0116->U+0117,U+0117, U+0118->U+0119, U+0119, U+011A->U+011B, U+011B, U+011C->U+011D, U+011D,U+011E->U+011F, U+011F, U+0130->U+0131, U+0131, U+0132->U+0133, U+0133, U+0134->U+0135,U+0135, U+0136->U+0137, U+0137, U+0139->U+013A, U+013A, U+013B->U+013C, U+013C,U+013D->U+013E, U+013E, U+013F->U+0140, U+0140, U+0141->U+0142, U+0142, U+0143->U+0144,U+0144, U+0145->U+0146, U+0146, U+0147->U+0148, U+0148, U+014A->U+014B, U+014B,U+014C->U+014D, U+014D, U+014E->U+014F, U+014F, U+0150->U+0151, U+0151, U+0152->U+0153,U+0153, U+0154->U+0155, U+0155, U+0156->U+0157, U+0157, U+0158->U+0159, U+0159,U+015A->U+015B, U+015B, U+015C->U+015D, U+015D, U+015E->U+015F, U+015F, U+0160->U+0161,U+0161, U+0162->U+0163, U+0163, U+0164->U+0165, U+0165, U+0166->U+0167, U+0167,U+0168->U+0169, U+0169, U+016A->U+016B, U+016B, U+016C->U+016D, U+016D, U+016E->U+016F,U+016F, U+0170->U+0171, U+0171, U+0172->U+0173, U+0173, U+0174->U+0175, U+0175,U+0176->U+0177, U+0177, U+0178->U+00FF, U+00FF, U+0179->U+017A, U+017A, U+017B->U+017C,U+017C, U+017D->U+017E, U+017E, U+0410..U+042F->U+0430..U+044F, U+0430..U+044F,U+05D0..U+05EA, U+0531..U+0556->U+0561..U+0586, U+0561..U+0587, U+0621..U+063A, U+01B9,U+01BF, U+0640..U+064A, U+0660..U+0669, U+066E, U+066F, U+0671..U+06D3, U+06F0..U+06FF,U+0904..U+0939, U+0958..U+095F, U+0960..U+0963, U+0966..U+096F, U+097B..U+097F,U+0985..U+09B9, U+09CE, U+09DC..U+09E3, U+09E6..U+09EF, U+0A05..U+0A39, U+0A59..U+0A5E,U+0A66..U+0A6F, U+0A85..U+0AB9, U+0AE0..U+0AE3, U+0AE6..U+0AEF, U+0B05..U+0B39,U+0B5C..U+0B61, U+0B66..U+0B6F, U+0B71, U+0B85..U+0BB9, U+0BE6..U+0BF2, U+0C05..U+0C39,U+0C66..U+0C6F, U+0C85..U+0CB9, U+0CDE..U+0CE3, U+0CE6..U+0CEF, U+0D05..U+0D39, U+0D60,U+0D61, U+0D66..U+0D6F, U+0D85..U+0DC6, U+1900..U+1938, U+1946..U+194F, U+A800..U+A805,U+A807..U+A822, U+0386->U+03B1, U+03AC->U+03B1, U+0388->U+03B5, U+03AD->U+03B5,U+0389->U+03B7, U+03AE->U+03B7, U+038A->U+03B9, U+0390->U+03B9, U+03AA->U+03B9,U+03AF->U+03B9, U+03CA->U+03B9, U+038C->U+03BF, U+03CC->U+03BF, U+038E->U+03C5,U+03AB->U+03C5, U+03B0->U+03C5, U+03CB->U+03C5, U+03CD->U+03C5, U+038F->U+03C9,U+03CE->U+03C9, U+03C2->U+03C3, U+0391..U+03A1->U+03B1..U+03C1,U+03A3..U+03A9->U+03C3..U+03C9, U+03B1..U+03C1, U+03C3..U+03C9, U+0E01..U+0E2E,U+0E30..U+0E3A, U+0E40..U+0E45, U+0E47, U+0E50..U+0E59, U+A000..U+A48F, U+4E00..U+9FBF,U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF, U+2F800..U+2FA1F, U+2E80..U+2EFF,U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF, U+3040..U+309F, U+30A0..U+30FF,U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF, U+3130..U+318F, U+A000..U+A48F,U+A490..U+A4CF
    html_strip = 0
}

#全域性index定義
indexer
{
    mem_limit = 256M
}

#sphinx守護程序配置
searchd
{
    port = 9312
    read_timeout = 5
    max_children = 10
    compat_sphinxql_magics = 0
    pid_file = /usr/local/sphinx/var/log/searchd.pid
    #全文檢索日誌
    log = /usr/local/sphinx/var/log/searchd.log
    #查詢日誌
    query_log = /usr/local/sphinx/var/log/query_log.log
    #最大匹配數,也就是查詢的資料再多也只返回這裡設定的1000條
    max_matches = 1000
    seamless_rotate = 1
}

建立sphinx 索引(若日常更新sphinx資料,只需執行以下1、2、3步即可,可寫入sh檔案執行)

# 結束所有索引
#pkill -9 search

1、#停止正在執行的searchd
/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/conf.d/sphinx.conf  --stop

2、# 建立索引
# /usr/local/sphinx/bin/indexer --c --config /usr/local/sphinx/etc/conf.d/sphinx.conf --all

#如果只想對某個資料來源進行索引,則可以這樣:
#/usr/local/sphinx/bin/indexer --c --config /usr/local/sphinx/etc/conf.d/sphinx.conf 索引名稱

3、# 啟動索引
# /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/conf.d/sphinx.conf


# 錯誤解決
# 解決:複製Mysql客戶端檔案到所有使用者可以放的目錄去
cp /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib/

# 64位系統需要在建立一個軟連線
ln -s /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib64
伺服器所用MySQL在當時編譯時並沒有編譯Sphinx擴充套件,而重新編譯mysql並加入Sphinx暫時又無法實現(專案用到了多臺伺服器,在不影響現有業務的情況下不可能去重新編譯MySQL的),所以採用的是程式通過API來外部呼叫Sphinx.Sphinx自帶的API有PHP,Python,Ruby,Java等眾多版本,所以基本也夠用了,本人使用的程式語言是php所以下文的條用示例採用的是PHP版的API. 

以下步驟不需要執行,原因如上:

第六步:安裝sphinxclient

php模組依賴於libsphinxclient包

# 進入sphinx 原始碼包的api目錄
cd coreseek-4.1/csft-4.1/api/libsphinxclient
./configure --prefix=/usr/local/libsphinxclient
#若報一下錯誤
config.status: error: cannot find input file: Makefile.in   #報錯configure失敗      
#處理configure報錯,執行下列指令再次編譯:  
aclocal  
libtoolize --force  
automake --add-missing  
autoconf  
autoheader  
make clean  

//重新configure編譯  
./configure --prefix=/usr/local/libsphinxclient
make
make install

第七步:安裝php的Sphinx擴充套件

# PHP7以前的版本使用下面擴充套件
wget http://pecl.php.net/get/sphinx-1.3.0.tgz

# PHP7 使用下面的擴充套件
wget http://git.php.net/?p=pecl/search_engine/sphinx.git;a=snapshot;h=9a3d08c67af0cad216aa0d38d39be71362667738;sf=tgz

tar -zxvf sphinx-1.3.0.tgz
cd sphinx-1.3.0
/usr/local/php/bin/phpize ./configure --with-php-config=/usr/local/php/bin/php-config --with-sphinx=/usr/local/libsphinxclient/
make && make install
# 安裝好後,在安裝目錄下etc目錄下,有份測試資料和配置的樣本

第八步:配置PHP支援Sphinx

編輯php.ini檔案

vim /usr/local/php/etc/php.ini

# 修改以下內容
extension_dir = "/usr/local/php/lib/php/extensions/no-debug-non-zts-20100525/"

# 增加擴充套件到php
extension = sphinx.so

# 重新啟動php-fpm
/etc/init.d/php-fpm restart

檢視Sphinx是否安裝成功
新建PHP檔案

vim index.php

# 寫入一下內容:
<?php
echo phpinfo();

瀏覽器輸入地址訪問
看到sphinx表示擴充套件安裝成功
這裡寫圖片描述

第九步:php使用sphinx

<?php
// --------------------------------------------------------------------------
// File name   : test_coreseek.php
// Description : coreseek中文全文檢索系統測試程式
// Requirement : PHP5 (http://www.php.net)
//
// Copyright(C), HonestQiao, 2011, All Rights Reserved.
//
// Author: HonestQiao ([email protected])
//
// 最新使用文件,請檢視:http://www.coreseek.cn/products/products-install/
//
// --------------------------------------------------------------------------
#若SphinxClient是php預設類,則不需要引入sphinxapi.php
#sphinxapi.php檔案在/coreseek-3.2.14/testpack/api/ 中
require ( "sphinxapi.php" );
$cl = new SphinxClient ();
$cl->SetServer ( '127.0.0.1', 9312);
$cl->SetConnectTimeout ( 3 );
$cl->SetArrayResult ( true );
$cl->SetMatchMode ( SPH_MATCH_ANY);


$cl->setLimits(0,300);
$keyword = $_GET['keyword'];
// // 執行查詢,第一個引數查詢的關鍵字,第二個查詢的索引名稱,多個索引名稱以,分開,也可以用*表示所有索引。
$res = $cl->Query ( $keyword, "sphinx_blog" );
print_r($res);

查詢結果:

Array
(
    [error] => 
    [warning] => 
    [status] => 0
    [fields] => Array
        (
            [0] => search_word
            [1] => actors
            [2] => directors
            [3] => wktag
            [4] => pinyin
            [5] => pinyin_first
        )

    [attrs] => Array
        (
            [xid] => 1
        )

    [matches] => Array
        (
            [0] => Array
                (
                    #matches中的id就是指配置檔案中sql_query SELECT語句中的第一個欄位
                    [id] => 33514269
                    [weight] => 1
                    [attrs] => Array
                        (
                            [xid] => 33514269
                        )

                )

        )

    [total] => 1
    [total_found] => 1
    [time] => 0.002
    [words] => Array
        (
            [兔先生] => Array
                (
                    [docs] => 1
                    [hits] => 1
                )

        )

)

Matches中就是查詢的結果了,但是彷彿不是我們想要的資料,比如titile,content欄位的內容就沒有查詢出來,根據官方的說明是Sphinx並沒有連線到MySQL去取資料,只是根據它自己的索引內容進行計算,因此如果想用Sphinx提供的API去取得我們想要的資料,還必須以查詢的結果為依據,再次查詢MySQL從而得到我們想要的資料。