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

[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。

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。

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：

    <?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>'; 

使用中可参考：http://www.coreseek.cn/docs/coreseek_4.1-sphinx_2.0.1-beta.html#api-reference