Sphinx学习笔记（一）

    最近负责一个项目，需要用到全文检索，我的环境大体如下：

#

# Minimal Sphinx configuration sample (clean, simple, functional)

#

#数据源，src1为名字，后面会引用这个名字

source src1

{

 type = mysql

 

 sql_host = localhost

 sql_user = test

 sql_pass =

 sql_db = test

 sql_port = 3306 # optional, default is 3306

 

 sql_query = \

  SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content \

  FROM documents

 

 sql_attr_uint = group_id

 sql_attr_timestamp = date_added

}

 

#test1为索引名称，sphinx检索时需要这个名字，相当于关系数据库中的table

index test1

{

 source = src1 #引用的数据源名称

 path = @CONFDIR@/data/test1

}

 

 

index testrt

{

 type = rt

 rt_mem_limit = 128M

 

 path = @CONFDIR@/data/testrt

 

 rt_field = title

 rt_field = content

 rt_attr_uint = gid

}

 

 

indexer

{

 mem_limit = 128M

}

 

 

searchd

{

 listen = 9312

 listen = 9306:mysql41

 log = @CONFDIR@/log/searchd.log

 query_log = @CONFDIR@/log/query.log

 read_timeout = 5

 max_children = 30

 pid_file = @CONFDIR@/log/searchd.pid

 seamless_rotate = 1

 preopen_indexes = 1

 unlink_old = 1

 workers = threads # for RT to work

 binlog_path = @CONFDIR@/data

}

D:\blue\sphinx-2.2.8-release-win64-full\bin>indexer -c ..\sphinx-min.conf.in --all

Sphinx 2.2.8-id64-release (r4942)

Copyright (c) 2001-2015, Andrew Aksyonoff

Copyright (c) 2008-2015, Sphinx Technologies Inc (http://sphinxsearch.com)

 

using config file ‘..\sphinx-min.conf.in‘...

indexing index ‘test1‘...

collected 4 docs, 0.0 MB

sorted 0.0 Mhits, 100.0% done

total 4 docs, 33882 bytes

total 0.121 sec, 278900 bytes/sec, 32.92 docs/sec

skipping non-plain index ‘testrt‘...

total 3 reads, 0.000 sec, 12.0 kb/call avg, 0.0 msec/call avg

total 12 writes, 0.001 sec, 5.7 kb/call avg, 0.1 msec/call avg

需要注意的是，如果需要建立的索引已经被使用，即已经启动了searchd服务，就需要增加--rotate参数，类似于

indexer -c ..\sphinx-min.conf.in --all --rotate

    然后在同一目录下运行 searchd -c ..\sphinx-min.conf.in，如下

D:\blue\sphinx-2.2.8-release-win64-full\bin>searchd -c ..\sphinx-min.conf.in

Sphinx 2.2.8-id64-release (r4942)

Copyright (c) 2001-2015, Andrew Aksyonoff

Copyright (c) 2008-2015, Sphinx Technologies Inc (http://sphinxsearch.com)

 

using config file ‘..\sphinx-min.conf.in‘...

listening on all interfaces, port=9312

listening on all interfaces, port=9306

precaching index ‘test1‘

rotating index ‘test1‘: success

precaching index ‘testrt‘

precached 2 indexes in 0.045 sec

    没有什么错误，需要注意的是，需要先创建索引，才能启动服务，否则可能会出错，searchd命令也可以安装为服务，以后使用起来会更加方便，这里这么做也是为了看到底是否配置成功，否则系统服务出错，我们看不到错误原因。

Sphinx 2.2.8-id64-release (r4942)

Copyright (c) 2001-2015, Andrew Aksyonoff

Copyright (c) 2008-2015, Sphinx Technologies Inc (http://sphinxsearch.com)

using config file ‘..\sphinx-min.conf.in‘...

indexing index ‘test1‘...

collected 4 docs, 0.0 MB

sorted 0.0 Mhits, 100.0% done

total 4 docs, 303 bytes

total 0.086 sec, 3518 bytes/sec, 46.44 docs/sec

skipping non-plain index ‘testrt‘...

total 3 reads, 0.000 sec, 0.4 kb/call avg, 0.0 msec/call avg

total 12 writes, 0.001 sec, 0.2 kb/call avg, 0.0 msec/call avg

rotating indices: successfully sent SIGHUP to searchd (pid=4556).

"id" "group_id" "date_added"

"3" "2" "1427446411"

"4" "2" "1427446411"

    这里面有一个问题，可以看出id 4实际上并没有“重构”这个词，只是包含“重”“构”这两个字而已，所以可能无法满足某些需求，但是好在Sphinx的默认匹配方式是短语相似度，所以理论上来说，包含“重构”这个词的会排序在前面，简单测试也是如此，是否一直如此就不知道了。可以参考这篇文章：http://rainkid.blog.163.com/blog/static/165140840201010277223611/

var SphinxClient = require ("sphinxapi"),

    util = require(‘util‘),

    assert = require(‘assert‘);

 

var cl = new SphinxClient();

cl.SetServer(‘localhost‘, 9312);

cl.Query(‘重构‘,‘test1‘, function(err, result) {

        assert.ifError(err);

        console.log(util.inspect(result, false, null, true));

});

运行程序，node sphinx2.js，如下

{ error: ‘‘,

  warning: ‘‘,

  status: [ 0 ],

  fields: [ ‘title‘, ‘content‘ ],

  attrs:

   [ [ ‘group_id‘, 1 ],

     [ ‘date_added‘, 2 ] ],

  matches:

   [ { id: 3,

       weight: 2,

       attrs: { group_id: 2, date_added: 1427446411 } },

     { id: 4,

       weight: 1,

       attrs: { group_id: 2, date_added: 1427446411 } } ],

  total: 2,

  total_found: 2,

  time: 0.004,

  words:

   [ { word: ‘重‘, docs: 2, hits: 2 },

     { word: ‘构‘, docs: 2, hits: 2 } ] }

可以看出和SphinxQL运行的效果一样，只不过返回的信息更多而已。

    2）SphinxQL

var mysql = require(‘mysql‘);

 

var connection = mysql.createConnection(

    {

      host      : ‘localhost‘,

      port : ‘9306‘

    }

);

 

connection.connect();

 

var queryString = "SELECT * FROM test1 WHERE MATCH(‘重构‘)";

 

connection.query(queryString, function(err, rows, fields) {

    if (err) throw err;

 

    for (var i in rows) {

        console.log(JSON.stringify(rows[i]));

    }

});

 

connection.end();

 

运行程序，node sphinx.js，如下

{"id":3,"group_id":2,"date_added":1427446411}

{"id":4,"group_id":2,"date_added":1427446411}

 

乍看起来，似乎sphinxapi提供的信息更多，我没有具体比较过，不过sphinxQL也包含了一些函数，如weight()，可以返回权重，如执行SELECT *, weight() FROM test1 WHERE MATCH(‘重构‘); 结果如下

"id" "group_id" "date_added" "weight()"

"3" "2" "1427446411" "2557"

"4" "2" "1427446411" "1557"

可知sphinxap提供的权重，似乎是sphinxQL提供的值除以1000之后的值

  3、CentOS的安装和使用

$ yum install postgresql-libs unixODBC

$ rpm -Uhv sphinx-2.2.8.rhel6.x86_64.rpm