搭建coreseek(sphinx+mmseg3)详细安装配置+php之sphinx扩展安装+php调用示例

搭建coreseek(sphinx+mmseg3)安装

[第一步] 先安装mmseg3

 cd /var/install
 wget http://www.coreseek.cn/uploads/csft/4.0/coreseek-4.1-beta.tar.gz
 tar zxvf coreseek-4.1-beta.tar.gz

 cd coreseek-4.1-beta
 cd mmseg-3.2.14
 ./bootstrap
 ./configure --prefix=/usr/local/mmseg3
 make && make install

 遇到的问题:
 error: cannot find input file: src/Makefile.in
 或者遇到其他类似error错误时...

 解决方案：
 依次执行下面的命令，我运行'aclocal'时又出现了错误，解决方案请看下文描述

 yum -y install libtool

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

安装好'libtool'继续从'aclocal'开始执行上面提到的一串命令，执行完后再运行最开始的安装流程即可。

[第二步] 安装coreseek

 ##安装coreseek
 $ cd csft-3.2.14 或者 cd csft-4.0.1 或者 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   http://www.coreseek.cn/product_install/install_on_bsd_linux/#mysql
 $ make && make install
 $ cd ..


 ##命令行测试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

出现这个 xmlpipe2 support NOT compiled in. To use xmlpipe2, install missing XML libra  错误

执行以下命令：

 yum -y install expat expat-devel

依次安装后，从新编译coreseek，然后再生成索引，就可以通过了。

结果如下：

 Coreseek Fulltext 4.1 [ Sphinx 2.0.2-dev (r2922)]
 Copyright (c) 2007-2011,
 Beijing Choice Software Technologies Inc (http://www.coreseek.com)

 using config file 'etc/csft.conf'...
 index 'xml': query '网络搜索 ': returned 1 matches of 1 total in 0.000 sec

 displaying matches:
 1. document=1, weight=1590, published=Thu Apr  1 07:20:07 2010, author_id=1

 words:
 1. '网络': 1 documents, 1 hits
 2. '搜索': 2 documents, 5 hits

下面开始sphinx与mysql的配置

创建sphinx统计表，在coreseek_test库中执行。

 CREATE TABLE sph_counter
 (
     counter_id INTEGER PRIMARY KEY NOT NULL,
     max_doc_id INTEGER NOT NULL
 );

创建配置sphinx与mysql的配置文件

 # vi /usr/local/coreseek/etc/csft_mysql.conf

 #MySQL数据源配置，详情请查看：http://www.coreseek.cn/docs/coreseek_4.1-sphinx_2.0.1-beta.html#conf-reference

 #源定义
 source main
 {
     type                    = mysql

     sql_host                = localhost
     sql_user                = root
     sql_pass                = 123456
     sql_db                  = coreseek_test
     sql_port                = 3306
     sql_query_pre           = SET NAMES utf8
     sql_query_pre        = REPLACE INTO sph_counter SELECT 1,MAX(id) FROM hr_spider_company;
     sql_query               = SELECT * FROM hr_spider_company WHERE id<=( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )
                                                          #sql_query第一列id需为整数
                                                          #title、content作为字符串/文本字段，被全文索引
     sql_attr_uint            = id                        #从SQL读取到的值必须为整数
     sql_attr_uint            = from_id                #从SQL读取到的值必须为整数，不支持全文检索
     sql_attr_uint            = link_id                #从SQL读取到的值必须为整数，不支持全文检索
     sql_attr_uint            = add_time                #从SQL读取到的值必须为整数，不支持全文检索
     sql_field_string         = link_url                 #字符串字段(可全文搜索，可返回原始文本信息)
     sql_field_string          = company_name          #字符串字段(可全文搜索，可返回原始文本信息)
     sql_field_string          = type_name             #字符串字段(可全文搜索，可返回原始文本信息)
     sql_field_string          = trade_name             #字符串字段(可全文搜索，可返回原始文本信息)
     sql_field_string          = email                 #字符串字段(可全文搜索，可返回原始文本信息)
     sql_field_string          = description             #字符串字段(可全文搜索，可返回原始文本信息)

     sql_query_info_pre      = SET NAMES utf8         #命令行查询时，设置正确的字符集
     sql_query_info            = SELECT id,from_id,link_id,company_name,type_name,trade_name,address,description, FROM_UNIXTIME(add_time) AS add_time  FROM hr_spider_company  WHERE id=$id                     #命令行查询时，从数据库读取原始数据信息
 }

 source delta : main
 {
     sql_query_pre           = SET NAMES utf8
     sql_query               = SELECT * FROM hr_spider_company WHERE id>( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )
     sql_query_post_index    = REPLACE INTO sph_counter SELECT 1,MAX(id) FROM hr_spider_company
 }



 #index定义
 index main
 {
     source                = main                         #对应的source名称
     path                  = /usr/local/coreseek/var/data/mysql     #请修改为实际使用的绝对路径，例如：/usr/local/coreseek/var/...
     docinfo               = extern
     mlock                 = 0
     morphology            = none
     min_word_len          = 1
     html_strip            = 0

     #中文分词配置，详情请查看：http://www.coreseek.cn/products-install/coreseek_mmseg/
     charset_dictpath     = /usr/local/mmseg3/etc/          #BSD、Linux环境下设置，/符号结尾
     charset_type        = zh_cn.utf-8
 }

 index delta : main
 {
     source          = delta
     path            = /usr/local/coreseek/var/data/delta
 }


 #全局index定义
 indexer
 {
     mem_limit            = 128M
 }

 #searchd服务定义
 searchd
 {
     listen              = 9312
     read_timeout        = 5
     max_children        = 30
     max_matches         = 1000
     seamless_rotate     = 0
     preopen_indexes     = 0
     unlink_old          = 1
     pid_file         = /usr/local/coreseek/var/log/searchd_mysql.pid   #请修改为实际使用的绝对路径，例如：/usr/local/coreseek/var/...
     log             = /usr/local/coreseek/var/log/searchd_mysql.log        #请修改为实际使用的绝对路径，例如：/usr/local/coreseek/var/...
     query_log         = /usr/local/coreseek/var/log/query_mysql.log    #请修改为实际使用的绝对路径，例如：/usr/local/coreseek/var/...
     binlog_path     =                                              #关闭binlog日志
 }

我的测试表名为hr_spider_company，你只需要根据实际需求更改为自己的表名即可。

调用命令列表：

启动后台服务（必须开启）

 # /usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/csft_mysql.conf

执行索引（查询、测试前必须执行一次）

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

执行增量索引

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

合并索引

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

(为了防止多个关键字指向同一个文档加上--merge-dst-range deleted 0 0)

后台服务测试

 # /usr/local/coreseek/bin/search -c /usr/local/coreseek/etc/csft_mysql.conf  aaa

关闭后台服务

 # /usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/csft_mysql.conf --stop

自动化命令：

 crontab -e

 */1 * * * * /bin/sh /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf delta --rotate
 */5 * * * * /bin/sh /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf --merge main delta --rotate --merge-dst-range deleted 0 0
 30 1 * * *  /bin/sh /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft_mysql.conf --all --rotate

以下任务计划的意思是：每隔一分钟执行一遍增量索引，每五分钟执行一遍合并索引，每天1:30执行整体索引。

Sphinx扩展安装安装

Coreseek官方教程中建议php使用直接include一个php文件进行操作，事实上php有独立的sphinx模块可以直接操作coreseek(coreseek就是sphinx！)已经进入了php的官方函数库，而且效率的提升不是一点点！但php模块依赖于libsphinxclient包。

[第一步] 安装依赖libsphinxclient

 # cd /var/install/coreseek-4.1-beta/csft-4.1/api/libsphinxclient/
 # ./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

[第二步] 安装sphinx的PHP扩展

 http://pecl.php.net/package/sphinx
 # wget http://pecl.php.net/get/sphinx-1.3.0.tgz
 # tar zxvf sphinx-1.3.0.tgz
 # cd sphinx-1.3.0
 # phpize
 # ./configure --with-php-config=/usr/bin/php-config --with-sphinx=/usr/local/sphinxclient
 # make && make install
 # cd /etc/php.d/
 # cp gd.ini  sphinx.ini
 # vi sphinx.ini

 extension=sphinx.so

 # service php-fpm restart

打开phpinfo看一下是否已经支持了sphinx模块。

php调用sphinx示例：

     $s = new SphinxClient;
     $s->setServer("127.0.0.1", 9312);

     $s->setMatchMode(SPH_MATCH_PHRASE);
     $s->setMaxQueryTime(30);
     $res = $s->query("宝马",'main'); #[宝马]关键字，[main]数据源source
     $err = $s->GetLastError();
     var_dump(array_keys($res['matches']));
     echo ""."通过获取的ID来读取数据库中的值即可。"."";

     echo '';
     var_dump($res);
     var_dump($err);
     echo '';

调用示例二：支持分页

     header("Content-type: text/html; charset=utf-8");
     require("./sphinxapi.php");
     $s = new SphinxClient;
     $s->setServer("192.168.252.132", 9312);

     //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
     $s->setMatchMode(SPH_MATCH_ALL);
     $s->setMaxQueryTime(30);                                     //设置最大搜索时间
     $s->SetArrayResult(false);                                       //是否将Matches的key用ID代替
     $s->SetSelect ( "*" );                                           //设置返回信息的内容,等同于SQL
     $s->SetRankingMode(SPH_RANK_BM25);                               //设置评分模式，SPH_RANK_BM25可能使包含多个词的查询的结果质量下降。
     //$s->SetSortMode(SPH_SORT_EXTENDED);                            //发现增加此参数会使结果不准确
     //$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。
     $weights = array ('company_name' => 20);
     $s->SetFieldWeights($weights);                                   //设置字段权重
     $s->SetLimits ( 0, 30, 1000, 0 );                                //设置结果集偏移量  SetLimits (便宜量,匹配项数目,查询的结果集数默认1000,阀值达到后停止)
     //$s->SetFilter ( $attribute, $values, $exclude=false );     //设置属性过滤
     //$s->SetGroupBy ( $attribute, $func, $groupsort="@group desc" );    //设置分组的属性
     $res = $s->query('@* "汽车"','main','--single-0-query--'); #[宝马]关键字，[news]数据源source


     //代码高亮
     $tags = array();
     $tags_name = array();
     foreach($res['matches'] as $key=>$value){
         $tags[] = $value['attrs'];
         $company_name[] = $value['attrs']['company_name'];
         $description[] = $value['attrs']['description'];
     }
     $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*
     $description = $s->BuildExcerpts ($description, 'main', '汽车', $opts=array() );       //执行高亮，这里索引名字千万不能用*
     foreach($tags as $k=>$v)
     {
         $tags[$k]['company_name'] = $company_name[$k];  //高亮后覆盖
         $tags[$k]['description'] = $description[$k];    //高亮后覆盖
     }

     // 高亮后覆盖
     $i = 0;
     foreach($res['matches'] as $key=>$value){
         $res['matches'][$key] = $tags[$i];
         $i++;
     }

     $err = $s->GetLastError();

     echo '';
     var_export($res);
     var_export($err);
     echo '';

还有很对地方需要参考：http://www.coreseek.cn/docs/coreseek_4.1-sphinx_2.0.1-beta.html#api-reference