用xapian来做索引

最近一个项目需要正则搜索MongoDB，400多万的数据一次查询要20s以上，需要建立一个前端索引服务。本着部署简单、开发容易的原则，找到了xapian这个索引库。

我使用的是Python的接口，xapian的服务API相当简单，基本的流程是打开库、设置查询条件、取得查询结果。

_enquire = xapian.Enquire(xapian.Database(conf.IDX_DATABASE))
_enquire.set_query(xapian.Query(xapian.Query.OP_AND, keys))
matches = _enquire.get_mset(offset, limit)

logging.info(json.dumps({'ids': [m.document.get_data() for m in matches], 'total': matches.get_matches_estimated()})

建立索引的过程类似，难点在于如何建立索引以便于查询。长的文字可以用mmseg做分词，按分词结果建立索引，短的可以对单字建索引做联合查询。不考虑业务逻辑，建索引的流程就是在xapian的Document里面放原始数据，在term中放索引，加入DB，提交。

_db = xapian.WritableDatabase(conf.IDX_SONGS, xapian.DB_CREATE_OR_OPEN)
_enquire = xapian.Enquire(_db)
_enquire.set_query(xapian.Query(_id))

matches = _enquire.get_mset(0, 1)
if force or matches.empty():
   if matches.empty():
        doc= xapian.Document()
        doc.set_data(_id)
   else:
        doc= matches[0].document
        doc.clear_terms()

doc.add_term(_id)

if doc.get_docid() <= 0:
    _db.add_document(doc)
else:
    _db.replace_document(doc.get_docid(), doc)
_db.commit()

以下是部分相关博客：

1. 折腾XAPIAN的那点事 1

2. Python bindings for Xapian

3. In search of an inverted index library

4. MMSEG 中文分词算法