ITPUX技术网

交流 . 资讯 . 分享
Make progress together!
Linux操作系统下Oracle11g R2 RAC 安装配置教程
Oracle数据库培训-备份恢复-性能优化-集群容灾
Oracle数据库DBA高级工程师培训视频

Coreseek(Sphinx)简单应用及在LAMP中的注意事项

内容发布:luashin| 发布时间:2017-6-8 20:32:38
Coreseek(Sphinx)简单应用及在LAMP中的注意事项

一、coreseek+mysql+php 的一个简单使用:模拟搜索引擎
1、创建搜索首页:index.php
<html>
<head>
    <title>测试搜索</title>
</head>
<body>
    <h1>简单PHP搜索引擎</h1>
    <form action='find.php' method='post'>
    请输入搜索关键字:<input type='text' name='find'><br>
    <input type='submit' value='提交搜索关键字'>
    </form>
</body>
</html>
效果:


2、处理并显示搜索结果页面:find.php
<html>
<head><title>Result</title></head>
<body>
    <h1>搜索结果展示www.linuxidc.com</h1>
    <?php
        $keyword = $_POST['find'];
        $sphinx = new SphinxClient();

        //设置主机和端口号
        $sphinx->SetServer("localhost",9312);

        //搜索匹配方案
        $sphinx->SetMatchMode(SPH_MATCH_ANY);

        //query('a','b');在b索引中搜索关键字a,*表示所有索引
        $result = $sphinx -> query("$keyword","*");
        $ids = join(',',array_keys($result['matches']));
        $mysql = new mysqli('localhost','root','zhongjin','test');
        $mysql->query("SET NAMES utf8");
        $sql = "SELECT * FROM documents WHERE id IN({$ids})";
        $res = $mysql->query($sql);
        $count = $res->num_rows;

        //该数组设置搜索关键字的显式样式
        /*
        $opts = array(
            'before_match' => "<font style='font-weight:bold;color:#f00'>",
            'after_match'  => "</font>",
        );
        */
        $opts = array(
            'before_match'  => "<button style='font-weight:bold;color:#f00'>",
            'after_match'   => "</button>",
        );

        if($count > 0){
            while($ret = $res->fetch_assoc()){

                //使搜索关键字高亮显示
                $row = $sphinx -> buildExcerpts($ret,'main',$keyword,$opts);
                echo "标题:{$row[4]}<br>";
                echo "内容:{$row[5]}";
                echo "<hr>";
            }
            echo "搜索结果{$count}条。";

        }else{

            echo "无搜索结果!";
        }
    ?>
</body>
</html>
当搜索 "LSGO实验室"时,效果如下:

这就是sphinx+MySQL+php的一个简单应用,以及使搜索关键字高亮显示。

二、sphinx的实时索引
1、为什么要实现sphinx实时索引?
看看 coreseek 增量索引模拟实时索引 http://www.linuxidc.com/Linux/2017-05/143601.htm,在这里就引用该篇文章的内容:
有这么一种常见的情况:整个数据集非常大,以至于难于经常性的重建索引,但是每次新增的记录却相当地少。一个典型的例子是:一个论坛有1000000个已经归档的帖子,但每天只有1000个新帖子。
在这种情况下可以用所谓的“主索引+增量索引”(main+delta)模式来实现“近实时”的索引更新。
这种方法的基本思路是设置两个数据源和两个索引,对很少更新或根本不更新的数据建立主索引,而对新增文档建立增量索引。在上述例子中,那1000000个已经归档的帖子放在主索引中,而每天新增的1000个帖子则放在增量索引中。增量索引更新的频率可以非常快,而文档可以在出现几分种内就可以被检索到。
确定具体某一文档的分属那个索引的分类工作可以自动完成。一个可选的方案是,建立一个计数表,记录将文档集分成两部分的那个文档ID,而每次重新构建主索引时,这个表都会被更新。
这里再用我的理解跟大家陈述一遍(如果大家有看我的前面两篇博客,这里会看的非常明白):
在前面我有一张documents表,现在我要往里面添加一篇文章,我想使这篇文章被检索到,就要执行 /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf --all --rotate,要想减少能够检索的时间,我们可以使用crontab实现每分钟执行一次该命令。
然而这条命令是把整张表重新建立主数据索引,假如该表现在已经有好几千万条数据了,如果把整张表的数据重新建立索引,就会大量的消耗服务器CPU和内存。
上面说的解决方案就是,我能不能仅仅对今天新增的数据建立索引,主数据索引保持不变?毕竟一天内新增的数据不会太多。
这里实现的办法就是“主索引+增量索引”,原来的数据保存在主索引里面,而新增的数据就保存在增量索引里面,在服务器空闲的时候(一般在凌晨),在将增量索引并到主索引中去,这样就不会影响到第二天的建立增量索引。

2、建立计数表
该表的作用是记录将文档集分成两部分的那个文档ID(一部分保存在主数据索引,一部分保存在增量索引),其实就是昨晚将增量索引并入主数据索引时 documents 数据表的 id 的最大值,而每次重新构建主索引时,这个表都会被更新。
创建计数表:
mysql -uroot -pzhongjin test;
CREATE TABLE sph_counter(
    counter_id INT PRIMARY KEY NOT NULL,
    max_doc_id INT NOT NULL
);

3、修改配置文件csft.conf
在修改配置文件之前,给大家说一下 mysql 中的 REPLACE INTO 的用法:
使用 REPLACE INTO 的时候会带上一个主键,假如目标数据表中对应的该主键没有数据,那么 REPLACE INTO 就会往里面插数据(相当于 INSERT INTO)。假如该主键已经有数据了,REPLACE INTO就会更新该条数据。
修改配置文件 csft.conf:
1)、在主数据源中(source main{})修改:
#新增一行,作用是更新sph_counter表
sql_query_pre = REPLACE INTO sph_counter SELECT 1,MAX(id) FROM documents;

2)、将增量数据源(source src1throttled : src1{})的注释打开
#修改增量数据源名字并添加如下内容:
source delta : main{
    sql_ranged_throttle            = 100
    sql_query_pre = SET NAMES UTF8
    sql_query = \
        SELECT id,group_id,UNIX_TIMESTAMP(date_added) AS date_added,title,content FROM \
        documents WHERE id > (SELECT max_doc_id FROM sph_counter WHERE counter_id = 1)
}

3、将增量数据索引(index test1stemmed : test1){})的注释打开
#修改增量数据索引名字并添加如下内容:
index delta : main
{
    source = delta
    path = /usr/local/coreseek/var/data/delta
    morphology = stem_en
}
注意:增量数据源的sql语句搜索出来的结果字段一定要与主数据源的对称,因为它俩是继承关系,如果不对称,就会报错:字段不统一

4、测试增量索引+主索引
到目前为止,sph_counter 表是空的,现在我们执行更新索引命令:
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf --all --rotate
--all 表示生成所有索引,包括主数据索引(main)和增量数据索引(delta)
--rotate 是因为由于现在 searchd 服务在进行,必须加该参数

可以看到,该命令创建更新了两个索引(main和delta),这时候我们再看看 sph_counter 表和 documents 表:

mysql -uroot -pzhongjin test
SELECT * FROM sph_counter;
SELECT id,title,content FROM documents;


可以看到,现在sph_countter表中保存的是documents表中的id的最大值。
==================分割线====================

往 documents 表中插入一条数据,
INSERT INTO documents(group_id,group_id2,date_added,title,content) VALUES(4,10,NOW(),'LINUX技术','在华北电力大学LSGO实验室学习LINUX技术');

按照前面说的,对新增数据建立增量索引,而不是对索引数据重新建立主数据索引:
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf delta --rotate
ps:假如对单个类型建立索引,直接用索引名代替 –all ,例如为主数据源建立主数据索引,/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf main --rotate

==================分割线====================

搜索‘Linux’试试:
/usr/local/coreseek/bin/search -c /usr/local/coreseek/etc/csft.conf LINUX

发现结果是来自增量索引 delta 的。也就是说现在主数据索引里面是不包含该条数据的。
PS:假如现在在PHP中使用sphinx技术的话,在搜索关键字的时候,一定要用 $sphinx -> query("{$keyword}","*"),因为 “*”表示所有的索引,而不仅仅是主数据索引。
最后我们还要实现将增量索引合并到主数据索引中去,再将 sph_counter 表的 max_doc_id 字段更新。

5、用 crontab 实现定时建立增量索引和主数据索引
建立增量索引和主数据索引的命令写成一个可执行脚本,放到 /usr/local/coreseek/etc/init 下:
cd /usr/local/coreseek/etc
mkdir init
cd init

#建立主数据索引脚本
touch main.sh

#建立增量数据索引脚本
touch delta.sh

#添加权限:
chmod 755 *.sh

添加日志文件,方便以后查阅
cd /usr/local/coreseek/var/log

#建立主数据索引日志文件
touch main.log

#建立增量数据索引脚本
touch delta.log

#添加权限
chmod 755 main.log delta.log

往main.sh 添加以下内容:
#!/bin/bash
# main.sh  
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf main --rotate >> /usr/local/coreseek/var/log/main.log
echo "==============================================================" >> /usr/local/coreseek
    /var/log/main.log

往delta.sh 添加以下内容:
#!/bin/bash
# delta.sh
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf delta --rotate >> /usr/local/coreseek/var/log/delta.log
echo "==============================================================" >> /usr/local/coreseek
    /var/log/delta.log
==================================================

目标是:每五分钟创建一次增量索引,每天凌晨三点合并增量索引,重建主数据索引。
使用 crontab 定时执行 main.sh 和 delta.sh
crontab -e
#添加以下两行
*/5 * * * * /usr/local/coreseek/etc/init/delta.sh
00 03 * * * /usr/local/coreseek/etc/init/main.sh
好了,现在 sphinx 的实时索引就算是完成了。

三、配置 searchd 的开机自启:
1、原理:
系统开机启动时会去加载/etc/init.d/下面的脚本,通常而言每个脚本文件会自定义实现程序的启动;若想将新的程序开机自启动,只需在该目录下添加一个自定义启动程序的脚本,然后设置相应规则即可。
如在这里我们在/etc/init.d/下新建一个 auto_coreseek 的脚本,开机启动时会去加载执行该脚本

2、编写开机启动脚本:
创建脚本 auto_coreseek
vim /etc/init.d/auto_coreseek
在 auto_coreseek 中添加以下内容:
#!/bin/sh
#chkconfig:2345 80 90
#description:auto_coreseek
/usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/csft.conf

添加权限:
chmod 755 auto_coreseek

启动测试:
#先把该进程关掉
killall searchd
/etc/init.d/auto_coreseek start


添加到开机启动项:
chkconfig auto_coreseek on

重启服务器测试:
reboot

ps aux | grep searchd
#或
netstat -tunlp | 9312
完成!



上一篇:MySQL数据库批量插入数据shell脚本实现1
下一篇:LAMP+Coreseek中文检索引擎使用详解
回复

使用道具 举报

1框架
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表