标签：
------------------------------------------------------------------------------------
搜索分为两种：
1. 对结构化数据搜索：SQL语句对数据库中存储的内容进行查询。
2. 对非结构化数据搜索：文本，图片，全文搜索。
全文检索分为两类：
1. 顺序扫描：如SQL中的LIKE查询或regexp正则查询。
2. 索引扫描：将非结构化数据提取部分（如：词组）后进行重组，使其机构化，这些提取出的数据即索引。
使用索引的全文检索包括两个过程：
1. 索引创建（Index）：将内容中的词组 与 文本的ID提取出来，创建一张索引表。
2. 搜索索引（Search）：将搜索内容拆分成词组，去索引表中匹配ID，查出文本内容。
如何创建索引：
1. 将需要创建索引的文档交给分词组件（Tokenizer）；
分词组件所做的事：将文档生成单独的单词，去除标点符号，去除停词(the, a, 的, 是)；每种语言的分词组件都有一个停词集合，
经过分词组件后得到的结果成为词元。
2. 将得到的词元（Token）传给语言处理组件（Linguistic Processer）；
语言处理组件对得到的词元进行同语言处理：如，英文变为小写（Lowercase），将单词缩减为词根形式，如“cars”到“car”等（stemming），将单词转变为词根形式，如“drove”到“drive”（lemmatization），
3. 将得到的词（Term）传给索引组件（Indexer）；
索引组件主要做以下几件事：利用得到的词（Term）和文档ID，创建一个字典，对字典按字母顺序排序，合并相同的词成为文档倒排（Posting List）链表。
如何对索引进行搜索：
1. 输入查询语句，提交给Sphinx。
2. Sphinx对查询语句进行词法分析，语法分析及语言处理。
3. 搜索索引，得到符合语法树的文档。
4. 根据得到的文档和查询语句的相关性，对结果排序。
Sphinx是SQL Parse Index（查询词组索引）缩写，基于SQL的全文检索引擎。Coreseek支持中文的全文检索引擎。
Sphinx的优点：
高速的建立索引（在当代CPU上，可达到10M/秒）
高性能的搜索（在2-4G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100GB的文本数据，在单一CPU的系统上可处理100M的文档）；
提供了优秀的相关度算法，基于短语相似度和统计BM2的复合Ranking方法；
支持分布式搜索；
提供文档片段（摘要以及高亮）生成功能；
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方式；
文档支持多个全文检索字段（最大不超过32个）；
Sphinx的缺点：
必须要有主键
主键必须为整形
不负责数据存储
配置不灵活
Sphinx的使用：
1. 下载Sphinx：
wget http://sphinxsearch.com/files/sphinx-2.2.8-release.tar.gz
编译安装：
cd /public/sphinx-2.2.8
./configure --prefix=/usr/local/sphinx --with-mysql=/usr/local/mysql
（rpm安装的mysql: ./configure --prefix=/usr/local/sphinx --with-mysql=/usr）
make && make install
安装完毕得到四个目录：
bin：存放命令，indexer索引组件，searchd进程
etc：配置文档
var：存放索引表
创建数据库表：
show database; //查看所有数据库
create database test;
create table post(
id int unsigned auto_increment primary key,
title varchar(255) not null default ‘‘,
content text default NULL
)engine=myisam default charset=utf8;
desc post; //查看表结构
insert into post(title, content) values("linux", "linux11111");
2. 配置Sphinx：
cd /usr/local/sphinx/etc/
cp sphinx.conf.dist sphinx.conf //备份配置文件，防止改错
vim sphinx.conf
配置文件结构：
# 主数据源，（main名字可更改）
source main{
type = mysql #数据库类型
sql_host = localhost #MySQL主机IP
sql_user = test #MySQL用户名
sql_pass = #MySQL密码
sql_db = test #MySQL数据库
sql_port = 3306 #MySQL端口
sql_sock = /tmp/mysql.sock #Linux下需要开启，指定sock文件
sql_query_pre = SET NAMES utf8 #MySQL检索编码
sql_query_pre = SET SESSION query_cache_type=OFF #关闭缓存
sql_query = \ #获取数据的SQL语句
SELECT id, title, content FROM post
#sql_attr_uint = group_id #对排序字段进行注释, 默认使用sphinx的文档表，这里不需要
#sql_attr_timestamp = date_added #对排序字段进行注释
}
# 增量数据源, 继承主数据源
source main throttled : main{
}
# 主索引，（main名字可更改）
index main{
source = main
path = /usr/local/sphinx/var/data/main
}
# 增量索引
index test1 stemmed : test1{
}
# 分布式索引，distributed index
index dist1{
}
# 实时索引，realtime index
index rt{
}
# 索引器，（调整最小内存到最佳）
indexer{
mem_limit = 256M #内存大小限制，默认128M，推荐256M
#其它用默认即可
}
# 服务进程，（监听端口号）
searched{
#全部默认即可，默认端口号就是9312
}
# 公共配置
common{
}
:set nu //显示行号，:set nonu取消行号
:311,314s/^/#/g //注释增量数据源
:628,632s/^/#/g //注释增量索引
:639,696s/^/#/g //注释分布式索引
3. 创建索引：
创建索引命令：indexer
-c 指定配置文件
--all 对所有索引重新编制索引
--rotate 用于轮换索引，在不停止服务的时候（searchd运行时）增加索引；searchd运行时不加会报错。
--merge 合并索引，增量索引合并到主索引的时候用
生成全部索引： /usr/local/sphinx/bin/indexer -c /usr/local/sphinx/etc/sphinx.conf --all
或生成指定索引： /usr/local/sphinx/bin/indexer -c /usr/local/sphinx/etc/sphinx.conf main
（1）如果这里出现报错：
【ERROR: index ‘main‘: sql_connect: Can‘t connect to local MySQL server through socket ‘/tmp/mysql.sock‘】
没找到/tmp/mysql.sock, 通过find / -name mysql.sock -print查找到位置，在配置sphinx.conf里更改正确。
如：mysql_sock = /var/lib/mysql/mysql.sock 保存退出。
（2）继续创建索引，警告：
【WARNING: Attribute count is 0: switching to none docinfo】
改sphinx.conf里的docinfo = none就没有警告了。（http://sphinxsearch.com/docs/current.html#conf-docinfo）
创建索引出现如下提示，表示生成成功：
Link：http://www.cnblogs.com/farwish/p/3961962.html
@黑眼诗人 <farwish.com>
标签：
原文地址：http://www.cnblogs.com/farwish/p/3961962.html
