xunsearch增量索引改进版

最近测试了xunserach全文索引程序。xunsearch只有LINUX版，所以想用windows服务器请使用其它全文索引程序。xunsearch本身不像coreseek那样自带增量索引的功能，所以很多从coreseek转过来的朋友很是不习惯。不过xunsearch拥有很多的API和案例，使用这些程序很容易做出自己的增量索引脚本，只需要把这些脚本添加到LINUX服务器任务里就可以实现增量索引了。

下面是实现增量索引的PHP程序，修改好账号密码，索引sql语句后把这个文件添加到crontab任务里就可以。

 <?php
 /**
  * 索引实时更新管理器
  * 判断标准：
  * 添加：pass_state=1 && create_time>

 文件记录值
  * 修改：pass_state=1 && edit_time> 文件记录值
  * 删除：status =0  如果有del_time也可以通过上面的方法判断，我这里没有
  * 文件记录值：上次更新索引时的时间
  * 调用方法：
  * 正常调用：jishubu.net.php
  * 不开启日志：jishubu.net.php?log=no
  * 删除日志的说明如下：
  * 如果你是通过我这样记录已删除id的方式，并且非物理删除，并且开启了日志功能，第一次调用最好先在浏览器执行jishubu.net.php?first=yes，不然如果删除数据较多，生成的日志文件较多，浪费空间。
  * 其他：然后把文件放到crontab中，每天，小时，或分执行一次就行了。请根据自己项目情况改进。
  * @author www.jishubu.net on wish 2012.11.30 改进
  */
 error_reporting(E_ALL ^ E_NOTICE);
 define('APP_PATH',dirname(__FILE__));
 $prefix = '/usr/local/xunsearch';
 $element = "$prefix/sdk/php/app/mfnews.ini";
 require_once "$prefix/sdk/php/lib/XS.php";

 $first = (trim($_GET['first'])=='yes') ? true : false;
 $log = (trim($_GET['log'])=='no') ? false : true;

 $xs = new XS($element); // 建立 XS 对象
 $index = $xs->index; // 获取 索引对象
 $doc = new XSDocument;  // 创建文档对象

 //读取上次更新索引时间
 $last_index_time = @file_get_contents(APP_PATH.'/last_index_time.txt');
 $last_index_time = $last_index_time ? $last_index_time : time(); //这里也可以在last_index_time.txt文件中加个初始值
 //删除过的id列表，如果字段有删除时间字段则不需要记录，如果是物理删除，需要记录删除日志，否则无法知道哪些文件曾被删除
 $last_del_id = @file_get_contents(APP_PATH.'/last_del_id.txt');

 $link = mysql_connect('localhost:3306', 'root', '123456') or exit(mysql_error());
 mysql_select_db('phpcms', $link) or exit(mysql_error());
 mysql_query("SET NAMES utf8");

 //查询总数据量，并分批更新
 $sql = "select count(*) as zongshu from phpcms_news,phpcms_news_data where phpcms_news.id=phpcms_news_data.id and phpcms_news.status=99 and phpcms_news.islink=0 and (phpcms_news.inputtime > {$last_index_time} or phpcms_news.updatetime > {$last_index_time})";
 $zongshu = mysql_query($sql) or exit(mysql_error());

 while($row = mysql_fetch_array($zongshu, MYSQL_ASSOC)){
     $zx[]=$row;
     }

 $n=0;
 $i = 1; $count=1; $add_total = 0; $edit_total=0;$addArray=array();$editArray=array();
 //添加分批查询避免查询出过多的数据使PHP报错
 do{
       $index->openBuffer(); // 开启缓冲区
         //增加，修改索引
         $sql = "select inch_cms_news.id as id,title,url,inputtime,updatetime,phpcms_news_data.content as content from phpcms_news,phpcms_news_data where phpcms_news.id=phpcms_news_data.id and phpcms_news.status=99 and phpcms_news.islink=0 and (phpcms_news.inputtime > {$last_index_time} or phpcms_news.updatetime > {$last_index_time}) limit $n,100";
         $res = mysql_query($sql) or exit(mysql_error());
         $restult = array();

         while($row = mysql_fetch_array($res, MYSQL_ASSOC)){
             $row['title'] = preg_replace('/&nbsp;|&quot;/','',strip_tags($row['title']));
             $row['content'] = preg_replace('/&nbsp;|&quot;/','',strip_tags($row['content']));
             $edit_time = $row['updatetime']; $create_time = $row['inputtime'];
             unset($row['updatetime']);
             if($edit_time == $create_time){
                 $add_total++;
                 $addArray[] = $row;
             } else {
                 $edit_total++;
                 $editArray[] = $row;
             }
             $doc->setFields($row);
             $index->update($doc);
             $i++;
             //如果回收站回收的数据，然后从已删除记录中，清除该id
             if(strpos($last_del_id, ','.$row['id'].',')!==false){
                 $last_del_id = str_replace($row['id'].',', '', $last_del_id);
             }
         }
   $n=$n+100;
   $index->closeBuffer(); // 关闭缓冲区
   }while($n<=$zx['0']['zongshu']);

 $index->openBuffer(); // 开启缓冲区

 //删除索引
 $sql = "SELECT phpcms_news.id as id,title,url,inputtime,phpcms_news_data.content as content FROM phpcms_news,phpcms_news_data where phpcms_news.id=phpcms_news_data.id and phpcms_news.status!=99 and phpcms_news.islink=0";
 $res = mysql_query($sql) or exit(mysql_error());
 $del_total = 0; $ids = ''; $delArray = array();
 while($row = mysql_fetch_array($res, MYSQL_ASSOC)){
     if(strpos($last_del_id, ','.$row['id'].',')===false){
         $ids .= $row['id'].',';
         $delArray[] = $row;
         $del_total++;
     }
 }
 if($ids) {
     $index->del(array(trim($ids,',')));
     $last_del_id = $last_del_id ? $last_del_id.$ids : ','.$ids;
 }

 $index->closeBuffer(); // 关闭缓冲区

 $total = $add_total + $edit_total + $del_total;
 if($total){

     //记录索引更新时间
     @file_put_contents(APP_PATH.'/last_index_time.txt', time());
     @file_put_contents(APP_PATH.'/last_del_id.txt', $last_del_id);

     //记录日志
     if($log){
         $currdate = date('Y-m-d H:i:s',time());
         if(!$first) @file_put_contents('/tmp/myindex_log.txt', "\n@@@@@@@@@@@@@@@@@@@@@ {$currdate} 本次更新{$total}条记录，详情如下：@@@@@@@@@@@@@@@@@@@@@@\n\n", FILE_APPEND);
         if($add_total) addMyIndexLog('add', $add_total, $addArray);
         if($edit_total) addMyIndexLog('update', $edit_total, $editArray);
         if($del_total&&!$first) addMyIndexLog('delete', $del_total, $delArray);
     }
 }

 function addMyIndexLog($logtype, $logtatal, $logdata, $prefix='')
 {
     @file_put_contents('/tmp/myindex_log.txt', $prefix.date('Y-m-d H:i:s',time()).' '.$logtype.' index num : '.$logtatal.' '.str_repeat('*', 50)."\n".print_r($logdata, true) , FILE_APPEND);
 }

 mysql_free_result($res);
 mysql_close($link);
 if($total) $index->flushIndex();
 ?>

程序保存文件为jishubu.net.php并在同一目录下新建last_index_time.txt和last_del_id.txt文件。

我添加的任务是每小时执行两次更新索引如下：

2,32 * * * * /usr/local/php/bin/php /web/jishubu.net.php