Linux下中文检索引擎coreseek4安装，以及PHP使用sphinx

一，软件准备
coreseek4.1
　　为了避免安装中出现依赖包缺失，需要先安装以下软件：

yum install make gcc g++ gcc-c++ libtool autoconf automake imake mysql-devel libxml2-devel expat-devel

或

apt-get install make gcc g++ automake libtool mysql-client libmysqlclient15-dev libxml2-dev libexpat1-dev

二，coreseek快速安装
1，安装mmseg3

安装mmseg

$ cd mmseg-3.2.14
$ ./bootstrap    #输出的warning信息可以忽略，如果出现error则需要解决，若提示权限不够用chmod
$ ./configure --prefix=/usr/local/mmseg3 
$ make && make install
$ cd ..

【注意】如果编译mmseg提示cannot find input file: src/Makefile.in失败，可以尝试下面解决方法:

下面命令提示没有安装，则先安装

aclocal
libtoolize --force 运行后有一个错误，不用管它。
automake --add-missing
autoconf
autoheader
make clean
./configure --prefix=/usr/local/mmseg3

2，安装coreseek

安装coreseek

$ cd csft-4.1
$ sh buildconf.sh    #输出的warning信息可以忽略，如果出现error则需要解决
$ ./configure --prefix=/usr/local/coreseek --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --with-mysql ##如果提示mysql问题，可以查看MySQL数据源安装说明

【注意】如果出现Sphinx/Coreseek 4.1 执行 buildconf.sh 报错，无法生成configure文件的问题，点此传送解决。值得一提的是vi‘替换所有’小技巧：末行模式下输入“:1,$s/T val = ExprEval ( this->m_pArg, tMatch )/T val = this->ExprEval ( this->m_pArg, tMatch )/g”从第一行开始替换到最后一行

3，测试mmseg分词，coreseek搜索

测试mmseg分词，coreseek搜索（需要预先设置好字符集为zh_CN.UTF-8，确保正确显示中文）

$ cd testpack
$ cat var/test/test.xml    #此时应该正确显示中文
$ /usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc var/test/test.xml
$ /usr/local/coreseek/bin/indexer -c etc/csft.conf --all
$ /usr/local/coreseek/bin/search -c etc/csft.conf 网络搜索

【注意】
　　1,如果输入/usr/local/coreseek/bin/indexer -c etc/csft.conf –all 时报/usr/local/coreseek/bin/indexer: error while loading shared libraries: libmysqlclient.so.18: cannot open shared object file: No such file or directory 错误，可以通过vi编辑 /etc/ld.so.conf文件来修复这个错,将 /usr/local/mysql/lib 加到文件到尾部，并保存文件,然后运行ldconfig命令即可。
　　2，如果输入/usr/local/coreseek/bin/indexer -c etc/csft.conf –all，报xmlpipe2 support NOT compiled in. To use xmlpipe2, install missing错误，则apt-get install expat-* 或yum install expat-devel*安装后重新编辑安装coreseek。

三，Sphinx配置mysql数据源：

　　1,首先，要搞清楚coreseek的bin目录下的 三个主要文件是干嘛的：
　　1./usr/local/coreseek/bin/indexer indexer文件，用于建立/更新/合并数据源的索引
　　　/usr/local/coreseek/bin/indexer -c etc/csft_mysql.conf –all 为csft_mysql.conf配置文件中配置的所有数据源建立索引
　　2./usr/local/coreseek/bin/search search文件，用于测试数据源的搜索

　　　/usr/local/coreseek/bin/search -c etc/csft_mysql.conf 网络搜索 测试csft_mysql.conf配置文件中配置的数据源是否有“网络搜索”这个内容
　　3./usr/local/coreseek/bin/searchd searchd文件，负责接受查询、处理查询和返回数据集的服务

　　　/usr/local/coreseek/bin/searchd -c etc/csft_mysql.conf 通过csft_mysql.conf的searchd配置开启负责接受查询、处理查询和返回数据集的服务
　　　

　　2,再者，搞清楚我们要为mysql中的某个数据库中哪(几)个表建立索引。

　　下面以一个案例作为例子讲解：
　　一个在线聊天项目，使用了数据库test_qq,以say作为存储聊天内容表，此项目有一个“查找聊天记录”的功能,此表内容基本会达到海量的，因此为了提高查找速度，为表say建立索引(sphinx的数据源)，表say有如下结构：

mysql> use test_qq;
Database changed
mysql> desc say;
+———+——————+——+—–+———+—————-+
| Field | Type | Null | Key | Default | Extra |
+———+——————+——+—–+———+—————-+
| id | int(10) unsigned | NO | PRI | NULL | auto_increment |
| fromid | int(10) unsigned | NO | | 0 | |
| toid | int(10) unsigned | NO | | 0 | |
| content | text | NO | | NULL | |
+———+——————+——+—–+———+—————-+

要配置mysql数据源，我们将coreseek安装包/testpack/etc 下的csft_mysql.conf文件复制到coreseek 的etc目录中:
cp /coreseek安装包位置/testpack/etc/csft_mysql.conf /usr/local/coreseek/etc/
修改csft_mysql.conf

View Code

修改后，先开启searchd后台服务
/usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/csft_mysql.conf

再执行整体索引
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf –all

此时便可以使用search 来测试搜索
/usr/local/coreseek/bin/search -c /usr/local/coreseek/etc/csft_mysql.conf 你好

得出搜索结果，即为配置成功

但是问题来了，indexer索引是一次性的，如果是10：00am执行索引，search就只能搜索到10:00am以前的内容，那如果更多的人在10：00am后发消息，say表中多出的聊天内容行就无法被索引到，search测试也就无法搜索到多出的内容，我们就考虑到增量索引。

•配置增量索引：

　　1.在mysql中创建索引记录偏移表sph_say_counter，当执行一次索引后，sph_say_counter表更新该次索引最大id，等下次执行索引时，便从该记录的最大id开始执行索引，执行后再将该次索引最大id记录到sph_say_counter中。如此重复。
　　　　sph_say_counter表结构：

mysql> desc sph_say_counter;
+————+———————+——+—–+———+—————-+
| Field | Type | Null | Key | Default | Extra |
+————+———————+——+—–+———+—————-+
| id | tinyint(3) unsigned | NO | PRI | NULL | auto_increment |
| max_offset | int(10) unsigned | NO | | 0 | |
+————+———————+——+—–+———+—————-+

　　2. 在csft_mysql.conf增加增量索引配置

增加以下配置

source delta : mysql #此写法为delta继承mysql源中的所有配置，如果子配置中有相同配置，则覆盖父配置

{
        sql_query       =       SELECT id,fromid,toid,content FROM say WHERE id > (SELECT max_offset FROM sph_say_counter WHERE id = 1) #从记录大于max_offset后的数据开始索引
 sql_query_post = REPLACE INTO sph_say_counter(id,max_offset) SELECT 1,MAX(id) FROM say #索引后更新最大记录,sql_query_pre是执行查询前执行的语句，sql_query_post是执行查询后再执行的语句
}
index delta : mysql
{
 source = delta
 path = /usr/local/coreseek/var/data/delta
}

　　此时执行增量索引 /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf delta –rotate 后，便可以通过search搜索到多出内容的搜索结果
　　可以通过合并索引 /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf –merge mysql delta –rotate –merge-dst-range deleted 0 0 来合并mysql源和delta源的索引 （–merge-dst-range deleted 0 0 是为了防止多个关键字指向同一个文档）
　　
　　为了在执行索引时也可以更新sph_say_counter表，在source mysql内也加入这句：

sql_query_pre           = REPLACE INTO sph_say_counter(id,max_offset) SELECT 1,MAX(id) FROM say

　　此时执行 /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf –all –rotate 便可以重新建立所有索引并更新sph_say_counter表
　　
　　到此csft_mysql.conf完整配置为:
View Code

　　3.将执行索引加入到Linux计划任务中，定时执行更新,合并，整体索引　
　　为了方便，我们将执行整体索引，增量索引，合并索引分别写到3个shell文件中

cd /usr/local/coreseek/sh
vi all.sh
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf --all --rotate

vi delta.sh
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf delta --rotate 

vi merge.sh
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf --merge mysql delta --rotate --merge-dst-range deleted 0 0 

　　然后，执行crontab -e 写入如下内容

*/1 * * * * /bin/sh /usr/local/coreseek/sh/delta.sh >/dev/null 2>&1 ##每1分钟执行增量索引
*/5 * * * * /bin/sh /usr/local/coreseek/sh/merge.sh >/dev/null 2>&1 ##每5分钟合并索引
30 1 * * *  /bin/sh /usr/local/coreseek/sh/all.sh >/dev/null 2>&1   ##每天的1:30执行整体索引

具体执行时间随自己定义，关于linux计划任务的更多配置，你可以点击此传送查看详细。
关于rotate,可以点此查看详细。

此步骤后，mysql数据源配置基本完毕，详细mysql数据源配置，可以到点此查看，关于配置文件详细解析，可以点此查看。

四，PHP使用Sphinx/Coreseek的三种方式：

四-1，使用sphinxapi.php
　　在/coreseek安装包/testpack/api目录下提供了PHP的接口文件 sphinxapi.php，这个文件包含一个SphinxClient的类,你可以复制到项目目录下包含使用。

1 <?php
2 
3 /*
 4 test_sph.php 
 5 SphinxClient类测试
 6 */
7 
8 $key=trim($_GET['key']);
9 echo $key;
10 include('sphinxapi.php');
11 
12 $sp=new SphinxClient();
13 $sp->SetServer('localhost',9312);
14 $sp->SetArrayResult(true);
15 $sp->SetMatchMode(SPH_MATCH_ALL);
16 $sp->SetSortMode(SPH_SORT_RELEVANCE);
17 $res=$sp->Query($key,'mysql');
18 
19 echo '<pre>';
20 print_r($res);
21 echo '</pre>';
22 
23 if(isset($res['matches'])&&count($res['matches'])>0)
24 {
25 $mysql=new PDO("mysql:localhost;dbname=test_qq",'root','123');
26 $mysql->query('set names utf8');
27 $mysql->query('use test_qq');
28 $sql='select * from say where id in(';
29 
30 foreach ($res['matches'] as $v)
31 {
32 $sql.=$v['id'].',';
33 }
34 $sql=trim($sql,',').')';
35 
36 echo $sql;
37 foreach($mysql->query($sql) as $v)
38 {
39 echo '<pre>';
40 print_r($v);
41 echo '</pre>';
42 }
43 }
44 else
45 {
46 echo '没有记录';
47 }

　　浏览器输入localhost/test_sph.php?key=搜索关键字 查看搜索结果

四-2，安装php的sphinx扩展
　　除了可以直接包含 sphinxapi.php文件，还可以通过安装php的sphinx扩展模块来直接调用SphinxClient,且效率比包含api文件要高，安装sphinx需要依赖libsphinxclient包，因此先安装。
　　1,安装libsphinxevent

 1 # cd /coreseek安装包目录/csft-4.1/api/libsphinxclient/
2 # ./configure --prefix=/usr/local/sphinxclient

configure: creating ./config.status
config.status: creating Makefile
config.status: error: cannot find input file: Makefile.in #报错configure失败

//处理configure报错
编译过程中报了一个config.status: error: cannot find input file: src/Makefile.in这个的错误，然后运行下列指令再次编译就能通过了：

 # aclocal
# libtoolize --force
# automake --add-missing
# autoconf
# autoheader
# make clean

//从新configure编译
# ./configure

# make && make install

　　2，安装sphinx的PHP扩展

1 http://pecl.php.net/package/sphinx

 1
2 # wget http://pecl.php.net/get/sphinx-1.3.0.tgz
3 # tar zxvf sphinx-1.3.0.tgz
4 # cd sphinx-1.3.0
5 # phpize
6 # ./configure --with-php-config=/usr/bin/php-config --with-sphinx=/usr/local/sphinxclient
7 # make && make install
8 # cd /etc/php.d/
9 # cp gd.ini sphinx.ini
10 # vi sphinx.ini
11 
12 extension=sphinx.so
13 
14 # service php-fpm restart

　　安装完毕后，你可以使用四-2的 test_sqh.php测试搜索
　　
　　分页测试：

1 <?php
2 header("Content-type: text/html; charset=utf-8");
3 require("./sphinxapi.php");
4 $s = new SphinxClient;
5 $s->setServer("192.168.252.132", 9312);
6 
7 //SPH_MATCH_ALL, 匹配所有查询词(默认模式); SPH_MATCH_ANY, 匹配查询词中的任意一个; SPH_MATCH_EXTENDED2, 支持特殊运算符查询
8 $s->setMatchMode(SPH_MATCH_ALL);
9 $s->setMaxQueryTime(30); //设置最大搜索时间
10 $s->SetArrayResult(false); //是否将Matches的key用ID代替
11 $s->SetSelect ( "*" ); //设置返回信息的内容,等同于SQL
12 $s->SetRankingMode(SPH_RANK_BM25); //设置评分模式，SPH_RANK_BM25可能使包含多个词的查询的结果质量下降。 
13 //$s->SetSortMode(SPH_SORT_EXTENDED); //发现增加此参数会使结果不准确
14 //$s->SetSortMode(SPH_SORT_EXTENDED,"from_id asc,id desc"); //设置匹配项的排序模式, SPH_SORT_EXTENDED按一种类似SQL的方式将列组合起来，升序或降序排列。
15 $weights = array ('company_name' => 20);
16 $s->SetFieldWeights($weights); //设置字段权重
17 $s->SetLimits ( 0, 30, 1000, 0 ); //设置结果集偏移量 SetLimits (便宜量,匹配项数目,查询的结果集数默认1000,阀值达到后停止)
18 //$s->SetFilter ( $attribute, $values, $exclude=false ); //设置属性过滤
19 //$s->SetGroupBy ( $attribute, $func, $groupsort="@group desc" ); //设置分组的属性
20 $res = $s->query('@* "汽车"','main','--single-0-query--'); #[宝马]关键字，[news]数据源source
21 
22 
23 //代码高亮
24 $tags = array();
25 $tags_name = array();
26 foreach($res['matches'] as $key=>$value){
27 $tags[] = $value['attrs'];
28 $company_name[] = $value['attrs']['company_name'];
29 $description[] = $value['attrs']['description'];
30 }
31 $company_name = $s->BuildExcerpts ($company_name, 'main', '汽车', $opts=array() ); //执行高亮，这里索引名字千万不能用*
32 $description = $s->BuildExcerpts ($description, 'main', '汽车', $opts=array() ); //执行高亮，这里索引名字千万不能用*
33 foreach($tags as $k=>$v)
34 {
35 $tags[$k]['company_name'] = $company_name[$k]; //高亮后覆盖
36 $tags[$k]['description'] = $description[$k]; //高亮后覆盖
37 }
38 
39 // 高亮后覆盖
40 $i = 0;
41 foreach($res['matches'] as $key=>$value){
42 $res['matches'][$key] = $tags[$i];
43 $i++;
44 }
45 
46 $err = $s->GetLastError();
47 
48 echo '<pre>';
49 var_export($res);
50 var_export($err);
51 echo '</pre>';

　　
　　更多SphinxClient类的资料，可以参考官方文档。

四-3，为 MySQL 5.5.x 编译安装 SphinxSE

　　直接安装SphinxSe作为mysql的存储引擎，php的无需作任何改变，即可使用sphinx的全文索引。

http://www.cnblogs.com/GaZeon/p/5327578.html—————MySQL 5.5 基本设置编译———–

以下指令中的VERSION表示MySQL的版本，例如：5.5.8，或者5.5.9

$ tar xzvf coreseek-4.1-beta.tar.gz
$ tar xzvf mysql-VERSION.tar.gz #就是上面下载的mysql源码包
$ cp -R coreseek-4.1-beta/csft-4.1/mysqlse mysql-VERSION/storage/sphinx

上面语句是将mysqlse文件夹复制到storage文件夹下并更名为sphinx，请注意

$ cd mysql-VERSION
$ cmake . -DCMAKE_BUILD_TYPE=Release -DWITH_SPHINX_STORAGE_ENGINE=1 #如果提示没有命令 先"yum -y install cmake" 安装cmake

如果上面语句报“Warning: Bison executable not found in PATH”，则安装bison，再运行此语句

如果提示缺少ncurses库,则 apt-get install libncurses-dev 或 yum -y install ncurses-devel 安装ncurses库后,删除CMakeCache.txt文件,再重新cmake即可

如要查看cmake可用参数，请执行：cmake . -LH

$ make

———-将SphinxSE安装到已经安装的MySQL 5.5中———–

首先执行：MySQL 5.5 基本设置编译过程

特别注意：需要选择与当前已安装的MySQL 5.5对应的版本进行编译

$ cp storage/sphinx/ha_sphinx.so /path_to_your_mysql_5.5/lib/plugin
$ mysql -uroot -p???
mysql>install plugin sphinx soname "ha_sphinx.so";
mysql>show engines;

列表显示出SPHINX表示安装成功

测试使用SphinxSe：

————————-测试SphinxSe————————————–

mysql> use test_qq;

mysql> CREATE TABLE documents_sphinxse
-> (
-> id INTEGER UNSIGNED NOT NULL,
-> weight INTEGER NOT NULL,
-> query VARCHAR(3072) NOT NULL,
-> group_id INTEGER,
-> INDEX(query)
-> ) ENGINE=SPHINX CONNECTION="sphinx://localhost:9312/mysql";

———–执行sphinxse查询—————————–

mysql>SELECT * FROM documents_sphinxse WHERE query='网络搜索;mode=any';

——–执行关联SphinxSE查询，获取原始数据信息：———–

mysql>SELECT dse.*, d.title FROM documents_sphinxse AS dse LEFT JOIN documents AS d USING(id) WHERE query='网络搜索;mode=any';

参考文档

http://blog.csdn.net/e421083458/article/details/21529969
　　http://www.coreseek.cn/products-install/sphinxse/
　　http://blog.csdn.net/keyunq/article/details/45129867
　　http://www.cnblogs.com/yjf512/p/3598332.html
http://www.cnblogs.com/GaZeon/p/5327578.html