sphinx 索引的创建(二)

󰃭 2016-04-25

导读

上一篇我们理解了一些基本的概念， 现在我们来尝试创建一个索引

场景

在一些 cms 系统中， 如果内容比较多， 使用sql的like 查询会太慢， 这里就可以使用sphinx 创建索引以方便快速查询

准备

文章存储在article表中， 表结构如下

CREATE TABLE `article` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `title` varchar(64) NOT NULL DEFAULT '',
  `content` text NOT NULL,
  `uid` int(11) NOT NULL DEFAULT '0' COMMENT '创建者的uid',
  `cid` int(11) NOT NULL DEFAULT '0' COMMENT '类别id',
  `ctime` timestamp NOT NULL DEFAULT '2015-12-12 21:35:00',
  `mtime` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `has_pic` tinyint(1) NOT NULL DEFAULT '0' COMMENT '是否包含图片',
  `is_top` tinyint(1) NOT NULL DEFAULT '0' COMMENT '是否置顶',
  `is_del` tinyint(1) NOT NULL DEFAULT '0' COMMENT '是否删除状态',
  PRIMARY KEY (`id`),
  KEY `title` (`title`),
  KEY `uid` (`uid`),
  KEY `cid` (`cid`)
) ENGINE=InnoDB AUTO_INCREMENT=12 DEFAULT CHARSET=utf8

这个表里已经有一些示例数据了， 不多，十几条， 做演示足够了

索引配置

sphinx 的indexer 通过配置文件配置读取的数据源和索引的创建方式， 这里我们配置的格式如下, 我们将注释也写在其中

source src_db{
    type = mysql  #mysql 数据源
    sql_host = 127.0.0.1
    sql_user = root
    sql_pass = 1
    sql_db = test_db
    sql_port = 3306

    sql_query_pre = set names utf8 #在执行sql_query前的sql操作
}

source article:src_db{  # 可以继承其他的source
    sql_query = select id,title, content, cid, unix_timestamp(ctime) ctime,\
                unix_timestamp(mtime) mtime from article where is_del = 0;
	#sql_query： 通过sql语句从mysql中读取数据的，默认以第一个字段作为doc_id
    sql_attr_uint = cid #定义cid为int属性字段
    sql_field_string = title  #定义 title 为全文索引字段
    sql_field_string = content #定义content为全文索引字段
    sql_attr_timestamp = ctime #定义ctime 为时间戳属性字段
    sql_attr_timestamp = mtime #定义mtime 为时间戳属性字段
}

index article{
    source = article #定义数据源的定义， 这里的源即上面的source article
    path = /data/sphinx/test #索引数据要存储的位置
    mlock = 1 #将索引数据锁在内存中， 防止因为长时间未方位导致系统将内存中的索引swap出去
    charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, _, $, U+FF21..U+FF3A->a..z,A..Z->a..z, a..z, U+0149, U+017F, U+0138, U+00DF, U+00FF, U+00C0..U+00D6->U+00E0..U+00F6,U+00E0..U+00F6, U+00D8..U+00DE->U+00F8..U+00FE, U+00F8..U+00FE, U+0100->U+0101, U+0101,U+0102->U+0103, U+0103, U+0104->U+0105, U+0105, U+0106->U+0107, U+0107, U+0108->U+0109,U+0109, U+010A->U+010B, U+010B, U+010C->U+010D, U+010D, U+010E->U+010F, U+010F,U+0110->U+0111, U+0111, U+0112->U+0113, U+0113, U+0114->U+0115, U+0115, U+0116->U+0117,U+0117, U+0118->U+0119, U+0119, U+011A->U+011B, U+011B, U+011C->U+011D, U+011D,U+011E->U+011F, U+011F, U+0130->U+0131, U+0131, U+0132->U+0133, U+0133, U+0134->U+0135,U+0135, U+0136->U+0137, U+0137, U+0139->U+013A, U+013A, U+013B->U+013C, U+013C,U+013D->U+013E, U+013E, U+013F->U+0140, U+0140, U+0141->U+0142, U+0142, U+0143->U+0144,U+0144, U+0145->U+0146, U+0146, U+0147->U+0148, U+0148, U+014A->U+014B, U+014B,U+014C->U+014D, U+014D, U+014E->U+014F, U+014F, U+0150->U+0151, U+0151, U+0152->U+0153,U+0153, U+0154->U+0155, U+0155, U+0156->U+0157, U+0157, U+0158->U+0159, U+0159,U+015A->U+015B, U+015B, U+015C->U+015D, U+015D, U+015E->U+015F, U+015F, U+0160->U+0161,U+0161, U+0162->U+0163, U+0163, U+0164->U+0165, U+0165, U+0166->U+0167, U+0167,U+0168->U+0169, U+0169, U+016A->U+016B, U+016B, U+016C->U+016D, U+016D, U+016E->U+016F,U+016F, U+0170->U+0171, U+0171, U+0172->U+0173, U+0173, U+0174->U+0175, U+0175,U+0176->U+0177, U+0177, U+0178->U+00FF, U+00FF, U+0179->U+017A, U+017A, U+017B->U+017C,U+017C, U+017D->U+017E, U+017E, U+0410..U+042F->U+0430..U+044F, U+0430..U+044F,U+05D0..U+05EA, U+0531..U+0556->U+0561..U+0586, U+0561..U+0587, U+0621..U+063A, U+01B9,U+01BF, U+0640..U+064A, U+0660..U+0669, U+066E, U+066F, U+0671..U+06D3, U+06F0..U+06FF,U+0904..U+0939, U+0958..U+095F, U+0960..U+0963, U+0966..U+096F, U+097B..U+097F,U+0985..U+09B9, U+09CE, U+09DC..U+09E3, U+09E6..U+09EF, U+0A05..U+0A39, U+0A59..U+0A5E,U+0A66..U+0A6F, U+0A85..U+0AB9, U+0AE0..U+0AE3, U+0AE6..U+0AEF, U+0B05..U+0B39,U+0B5C..U+0B61, U+0B66..U+0B6F, U+0B71, U+0B85..U+0BB9, U+0BE6..U+0BF2, U+0C05..U+0C39,U+0C66..U+0C6F, U+0C85..U+0CB9, U+0CDE..U+0CE3, U+0CE6..U+0CEF, U+0D05..U+0D39, U+0D60,U+0D61, U+0D66..U+0D6F, U+0D85..U+0DC6, U+1900..U+1938, U+1946..U+194F, U+A800..U+A805,U+A807..U+A822, U+0386->U+03B1, U+03AC->U+03B1, U+0388->U+03B5, U+03AD->U+03B5,U+0389->U+03B7, U+03AE->U+03B7, U+038A->U+03B9, U+0390->U+03B9, U+03AA->U+03B9,U+03AF->U+03B9, U+03CA->U+03B9, U+038C->U+03BF, U+03CC->U+03BF, U+038E->U+03C5,U+03AB->U+03C5, U+03B0->U+03C5, U+03CB->U+03C5, U+03CD->U+03C5, U+038F->U+03C9,U+03CE->U+03C9, U+03C2->U+03C3, U+0391..U+03A1->U+03B1..U+03C1,U+03A3..U+03A9->U+03C3..U+03C9, U+03B1..U+03C1, U+03C3..U+03C9, U+0E01..U+0E2E,U+0E30..U+0E3A, U+0E40..U+0E45, U+0E47, U+0E50..U+0E59, U+A000..U+A48F, U+4E00..U+9FBF,U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF, U+2F800..U+2FA1F, U+2E80..U+2EFF,U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF, U+3040..U+309F, U+30A0..U+30FF,U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF, U+3130..U+318F, U+A000..U+A48F,U+A490..U+A4CF
    ngram_len         = 1
    ngram_chars       = U+3000..U+2FA1F
}

indexer{ #这里配置index的通用配置
    mem_limit = 256M  #mem_limit 表示每次从数据库里最多读取256M 之后就写入索引， 然后进行下次的读取。内存不足的时候启用这个， 否则一次性读取数据过大， 会导致索引创建失败
}
searchd{
    listen  = 3316 #索引服务启动后， 外部api可以通过3316端口访问
    listen = localhost:9306:mysql41 #客户端可以通过mysql 协议对9306端口进行访问
    log     = /data/log/sphinx/searchd.log #索引服务日志
    query_log = /data/log/sphinx/query.log #索引搜索请求日志
    pid_file = /var/run/sphinx/searchd.pid #索引服务pid 存储位置
    binlog_path = /data/sphinx/test/binlog #Binary log, 用于数据恢复，索引服务崩溃时， 可以从binlog_path 读取崩溃时的索引数据重新加载
}

source 定义了索引的数据源 index 定义了索引的相关配置， 如索引类型， 读取的源(source), 索引存储的位置等 searchd定义了索引服务的相关配置， 如索引日志， 监听端口

特别要说明的几个字段

  1. ngram_len和ngram_chars 二者搭配使用， 是为了解决sphinx 对CJK(中日韩)语言的支持， 默认sphinx是不支持CJK的， 因为CJK不像英文和俄文， 可以直观的通过空格进行分词，而sphinx默认是通过空格做分隔符的。CJK只能通过语义进行分词，ngram是一种语言识别模型， 可以对CJK的语言进行常规的语义分词, ngrapm_len 定义了CJK的分词长度， ngram_chars 定义了要对那些CJK 进行分词的unicode范围
  2. charset_table 是一个比较大的字符映射关系表， 他表示让 sphinx 表中的字符不予以忽略并转义成响应的映射， 比如A->a， 表示索引创建的时候会将所有的 A 转换成a, 比如_ 表示 _->_， 自己映射自己， 表示将_作为一个字符置于索引中(默认这种字符在索引创建时会被忽略并作为分隔符的),这样我们在索引似于hello_word的词的时候， hello_word 就会被认为是一个词， 而如果不将_放在映射表中,hello_word就会被索引成hello和word两个词， _就被当成了一个分隔符

索引创建

sudo -u sphinx indexer -c sphinx_test.conf --all

输出如下

Sphinx 2.2.10-id64-release (???)
Copyright (c) 2001-2015, Andrew Aksyonoff
Copyright (c) 2008-2015, Sphinx Technologies Inc (http://sphinxsearch.com)

using config file 'sphinx_test.conf'...
indexing index 'article'...
collected 10 docs, 0.0 MB
sorted 0.0 Mhits, 100.0% done
total 10 docs, 1322 bytes
total 0.007 sec, 167130 bytes/sec, 1264.22 docs/sec
total 16 reads, 0.000 sec, 0.3 kb/call avg, 0.0 msec/call avg
total 12 writes, 0.000 sec, 1.0 kb/call avg, 0.0 msec/call avg

这样， 索引就创建出来了， total 10 docs, 1322 bytes 提示我们索引中的文档数量和大小， 同时也把索引创建过程中的一些耗时和读写及排序输出了出来

这里需要说明的是， --all 表示创建所有的索引项， 我们在上面只定义了一个article索引， 如果还有其他索引，--all 会依次创建出来

除了--all，还可以指定创建的索引项， 还可以是多个， 如下

sudo -u sphinx indexer -c sphinx_test.conf article

也可以创建索引

然后通过

sudo -u sphinx searchd -c sphinx_test.conf

我们就将索引服务创建好了

今天的索引创建就暂时写到这里， 下一篇我们对索引服务进行讲解