【整理】Linux下中文检索引擎coreseek4安装，以及PHP使用sphinx的三种方式(sphinxapi，sphinx的php扩展，SphinxSe作为mysql存储引擎)

一，软件准备

coreseek4.1 （包含coreseek测试版和mmseg最新版本，以及测试数据包【内置中文分词与搜索、单字切分、mysql数据源、python数据源、RT实时索引等测试配置】）
Mysql源码包（必须选择与你已安装mysql的版本一致）

　　为了避免安装中出现依赖包缺失，你需要打一句鸡血：

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

#更多系统配置请点此传送查看

二，coreseek快速安装

1，安装mmseg3

##前提：需提前安装操作系统基础开发库及mysql依赖库以支持mysql数据源和xml数据源

##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

$ ./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

#不想麻烦，可以直接使用下面这句

$ ./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-includes=《mysql安装目录》/include --with-mysql-libs=《mysql安装目录》/lib

$ make && make install

$ cd ..

【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

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:

　　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

 3

 4 configure: creating ./config.status

 5 config.status: creating Makefile

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

 7

 8 //处理configure报错

 9 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：

10 # aclocal

11 # libtoolize --force

12 # automake --add-missing

13 # autoconf

14 # autoheader

15 # make clean

16

17 //从新configure编译

18 # ./configure

19

20 # make && make install

　　2，安装sphinx的PHP扩展

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

 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。

#---------------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;

#ENGINE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';

五，参考文档

　 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

文章来源：http://www.cnblogs.com/GaZeon/p/5327578.html