2014-11-23

coreseek+php之sphinx扩展安装+php调用示例

1. sphinx与mysql的配置
2. Sphinx扩展安装安装
3. php调用sphinx示例

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 （注：执行报错的话把下面的几行注释掉）   
    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
2
3

*/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

<?php    
    $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 "<br>"."通过获取的ID来读取数据库中的值即可。"."<br>";    
        
    echo '<pre>';    
    var_dump($res);    
    var_dump($err);    
    echo '</pre>';

调用示例二：支持分页

<?php    
    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 '<pre>';    
    var_export($res);    
    var_export($err);    
    echo '</pre>';

错误：FATAL: failedto lock pid file ‘/home/zhangjie_z.pt/local/sphinx/var/log/searchd.pid’:Resource temporarily unavailable (searchd already running?)
意思就是你已经打开了一个search进程，你需要找到相关进程号ps -e|grep searchd，然后kill PID杀死之前的进程，再启动新进程）

启动 searchd 服务时提示如下错误：
index ‘test1’: search error: failed to open /var/lib/sphinx/test1.sph: sphinx 错误解决 index ‘test1’: search error: failed to open /var/lib/sphinx/test.sph:No such file or directory; NOT SERVING
这个错误可能是没有建立好索引导致的，所以 indexer --all 很重要