sphinx在windows下的安装使用.docx

Sphinx在windows下安装使用前一阵子尝试使用了一下Sphinx，一个能够被各种语言(PHP/Python/Ruby/etc)方便调用的全文检索系统。网上的资料大多是在linux环境下的安装使用，当然，作为生产环境很有必要部署在*nix环境下，作为学习测试，还是windows环境比较方便些。本文旨在提供一种便捷的方式让Sphinx在windows下安装配置以支持中文全文检索，配置部分在linux下通用。一、关于SphinxSphinx是一个在GPLv2下发布的一个全文检索引擎，商业授权（例如,嵌入到其他程序中）需要联系作者（S）以获得商业授权。一般而言，Sphinx是一个独立的搜索引擎，意图为其他应用提供高速、低空间占用、高结果相关度的全文搜索功能。Sphinx可以非常容易的与SQL数据库和脚本语言集成。当前系统内置MySQL和PostgreSQL数据库数据源的支持，也支持从标准输入读取特定格式的XML数据。通过修改源代码，用户可以自行增加新的数据源（例如：其他类型的DBMS的原生支持）。搜索API支持PHP、Python、Perl、Rudy和Java，并且也可以用作MySQL存储引擎。搜索API非常简单，可以在若干个小时之内移植到新的语言上。Sphinx特性： 高速的建立索引(在当代CPU上，峰值性能可达到10MB/秒); 高性能的搜索(在24GB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文档); 提供了优秀的相关度算法，基于短语相似度和统计（BM25）的复合Ranking方法; 支持分布式搜索; 提供文件的摘录生成; 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模式; 文档支持多个全文检索字段(最大不超过32个); 文档支持多个额外的属性信息(例如：分组信息，时间戳等); 停止词查询; 支持单一字节编码和UTF-8编码; 原生的MySQL支持(同时支持MyISAM和InnoDB); 原生的PostgreSQL支持.二、Sphinx在windows上的安装1.直接在/downloads.html找到最新的windows版本，我这里下的是Win32 release binaries with MySQL support，下载后解压在D:sphinx目录下；2.在D:sphinx下新建一个data目录用来存放索引文件，一个log目录方日志文件，复制D:sphinxsphinx.conf.in到D:sphinxbinsphinx.conf（注意修改文件名）；3.修改D:sphinxbinsphinx.conf，我这里列出需要修改的几个：type= mysql #数据源，我这里是mysqlsql_host= localhost #数据库服务器sql_user= root #数据库用户名sql_pass= #数据库密码sql_db= test #数据库sql_port= 3306 #数据库端口sql_query_pre= SET NAMES utf8 #去掉此行前面的注释，如果你的数据库是uft8编码的index test1#放索引的目录path= D:/sphinx/data/#编码charset_type= utf-8#指定utf-8的编码表charset_table= 0.9, A.Z-a.z, _, a.z, U+410.U+42F-U+430.U+44F, U+430.U+44F#简单分词，只支持0和1，如果要搜索中文，请指定为1ngram_len= 1#需要分词的字符，如果要搜索中文，去掉前面的注释ngram_chars= U+3000.U+2FA1F#搜索服务需要修改的部分searchd#日志log= D:/sphinx/log/searchd.log# PID file, searchd process ID file namepid_file= D:/sphinx/log/searchd.pid# windows下启动searchd服务一定要注释掉这个# seamless_rotate= 14.导入测试数据sql文件在D:/sphinx/example.sqlC:Program FilesMySQLMySQL Server 5.0binmysql -uroot testindexer.exe test1 (备注:test1为sphinx.conf的index test1() )Sphinx 0.9.8-release (r1533)Copyright (c) 2001-2008, Andrew Aksyonoffusing config file ./sphinx.confindexing index test1collected 4 docs, 0.0 MBsorted 0.0 Mhits, 100.0% donetotal 4 docs, 193 bytestotal 0.101 sec, 1916.30 bytes/sec, 39.72 docs/secD:sphinxbin6.搜索test试试D:sphinxbinsearch.exe test1显示结果如下using config file ./sphinx.confindex test1: query test : returned 3 matches of 3 total in 0.000 secdisplaying matches:1. document=1, weight=2, group_id=1, date_added=Wed Nov 26 14:58:59 2008id=1group_id=1group_id2=5date_added=2008-11-26 14:58:59title=test onecontent=this is my test document number one. also checking search withinphrases.2. document=2, weight=2, group_id=1, date_added=Wed Nov 26 14:58:59 2008id=2group_id=1group_id2=6date_added=2008-11-26 14:58:59title=test twocontent=this is my test document number two3. document=4, weight=1, group_id=2, date_added=Wed Nov 26 14:58:59 2008id=4group_id=2group_id2=8date_added=2008-11-26 14:58:59title=doc number fourcontent=this is to test groupswords:1. test: 3 documents, 5 hitsD:sphinxbin6.测试中文搜索修改test数据库中documents数据表，UPDATE test.documents SET title = 测试中文, content = this is my test document number two，应该搜的到吧 WHERE documents.id = 2;重建索引：D:sphinxbinindexer.exe test1搜索中文试试：D:sphinxbinsearch.exe中文Sphinx 0.9.8-release (r1533)Copyright (c) 2001-2008, Andrew Aksyonoffusing config file ./sphinx.confindex test1: query 中文: returned 0 matches of 0 total in 0.000 secwords:D:sphinxbin貌似没有搜到，这是因为windows命令行中的编码是gbk，当然搜不出来。我们可以用程序试试，在D:sphinxapi下新建一个foo.php的文件，注意utf-8编码SetServer(localhost,9312);$result = $s-Query(中文);var_dump($result);?启动Sphinx searchd服务D:sphinxbinsearchd.exeSphinx 0.9.8-release (r1533)Copyright (c) 2001-2008, Andrew AksyonoffWARNING: forcing console mode on Windowsusing config file ./sphinx.confcreating server socket on :9312accepting connections执行PHP查询：访问/sphinx/api/foo.php (自己配置的虚拟主机)使用CORESEEK分词1、下载/news/5/89/2、安装系统依赖的软件包系统的基础组件需要如下的软件包： - Active Python 2.5 (/Products/activepython/) - MySQL_Python 1.2.2 (/project/showfiles.php?group_id=22307）验证可以不装安装完前面两个组件后，系统可以运行，但是需要手工修改配置文件。安装配置界面需要的软件包：- gtk-dev 2.12.9 (/project/showfiles.php?group_id=98754)验证可以不装 - pycairo 1.4.12 (http:/ftp.acc.umu.se/pub/GNOME/binaries/win32/pycairo/1.4/) - pygobject 2.14.1 (http:/ftp.acc.umu.se/pub/GNOME/binaries/win32/pygobject/2.14/) - pygtk 2.12.1 (http:/ftp.acc.umu.se/pub/GNOME/binaries/win32/pygtk/2.12)如果您下载的是完整版，前面提到的全部文件应该能在preq子目录中找到。安装前面提到的全部软件包（注意：必须先安装Python和gtk)注意:必须是Active Python，Python官方的版本缺少系统需要的Win32扩展支持，将导致系统无法工作。注意：完成本步后，必须重新启动您的计算机。3、解压csft到你认为的目录4、csft文件内配与sphinx的内容大致相同(配置详细见:sphinx+mysql (1) , (2) )5、创建词典文件binmmseg -u dataunigram.txt #词库是动态的，指定目录就可以把生成的文件改名为uni.lib，6、导入sample.sql数据库7、建立索引index.exe -all（详情见sphinx + mysql(1)）以下分支说明如下-A：8、安装SPHINXSE FOR MYSQL/downloads/mysql-5.0.45-sphinxse-0.9.8-win32.zip下载后，解压然后覆盖MYSQL目录，就OK。(注意mysql版本 必须相同)进入mysql运行show engines;查看表的类型是否存在sphinx9、创建Sphinx存储引擎表CREATE TABLE sphinx (id int(11) NOT NULL,weight int(11) NOT NULL,query varchar(255) NOT NULL,group_id int(11) NOT NULL,KEY Query (Query) ENGINE=SPHINX CONNECTION=sphinx:/localhost:3312/test1;与一般mysql表不同的是ENGINE=SPHINX CONNECTION=sphinx:/localhost:3312/test1;，这里表示这个表采用SPHINXSE引擎，与sphinx的连接串是sphinx:/localhost:3312/test1，test1是索引名称根据sphinx官方说明，这个表必须至少有三个字段，字段起什么名称无所谓，但类型的顺序必须是integer,integer,varchar，分别表示记录标识document ID,匹配权重weight与查询query，同时document ID与query必须建索引。另外这个表还可以建立几个字段，这几个字段的只能是integer或TIMESTAMP类型，字段是与sphinx的结果集绑定的，因此字段的名称必须与在sphinx.conf中定义的属性名称一致，否则取出来的将是Null值。10、MySQL SphinxSE全文检索存储引擎SQL语句使用方法安装SphinxSE存储引擎后首先需新建一张特殊的指定ENGINE=SPHINX检索表，如下：CREATE TABLE ArticleFulltext ( ID INTEGER NOT NULL, Weight INTEGER NOT NULL, Query VARCHAR(3072) NOT NULL, . INDEX (Query) ENGINE=SPHINX CONNECTION=sphinx:/localhost:3312/test;其中表名和字段名可以是任意名称，但前三个属性的类型必须为INT、INT和VARCHAR。也可以拥有更多的属性，类型必须为INT或TIMESTAMP，名称必须与Sphinx配置文件对应，用于返回检索结果的更多信息。创建该表后即可使用如下的SQL语句在MySQL中进行全文检索：SEL