织梦DedeCMS v5.7全文检索使用说明(sphinx)

时间:2022-11-26 08:56:01

官方网站:http://www.sphinxsearch.com/
官方文档:http://www.sphinxsearch.com/docs/
中文支持:http://www.coreseek.cn/
中文使用手册下载:http://www.coreseek.cn/uploads/pdf/sphinx_doc_zhcn_0.9.pdf
中文在线手册:http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html

1.Windows下安装Sphinx
1.1.开始前的准备工作
先从http://www.coreseek.cn/products/ft_down/下载Coreseek 3.2.13,这里我们就以Windows环境为例:
下载后直接解压coreseek-3.2.13-win32.zip,我们这里假设解压到:D:\coreseek-3.2.13-win32.这里我们需要简单了解几个目录:

[D:\coreseek-3.2.13-win32\api]API接口目录,其中包括了php,python,ruby等操作实例,其中test_coreseek.php是一个不错的中文检索的例子.

[D:\****\bin]应用程序目录,其中包含以下几个文件
    * indexer: 用于创建全文索引;
    * search: 一个简单的命令行(CLI) 的测试程序,用于测试全文索引;
    * searchd: 一个守护进程,其他软件可以通过这个守护进程进行全文检索;
    * sphinxapi: 一系列searchd 的客户端API 库,用于流行的Web脚本开发语言(PHP, Python, Perl, Ruby, Java).
    * spelldump: 一个简单的命令行工具,用于从 ispell 或 MySpell (OpenOffice内置绑定) 格式的字典中提取词条。当使用 wordforms 时可用这些词条对索引进行定制.
    * indextool: 工具程序,用来转储关于索引的多项调试信息。 此工具是从版本Coreseek 3.1(Sphinx 0.9.9-rc2)开始加入的。
    * mmseg: 工具程序和库,Coreseek用于提供中文分词和词典处理。

[D:\****\etc]sphinx配置目录
[D:\****\var]sphinx变量&索引&日志存放目录

1.2.创建配置文件
由于DedeCms使用的是mysql,所以我们需要来配置一个mysql的sphinx模板配置,可以复制csft_mysql.conf改名为:csft_dedecmsv57.conf,例如我们这里仅做文章的全文检索,我们需要做如下配置:
先在DedeCMS中创建一个统计表,方法可以在DedeCMS后台[系统]->[SQL命令行工具]中执行下列代码:
CREATE TABLE `dede_sphinx` (
    `countid` int(11) unsigned NOT NULL,
    `maxaid` int(11) unsigned NOT NULL,
    PRIMARY KEY (`countid`)
) ENGINE=MyISAM DEFAULT CHARSET=gbk
这是一个sphinx内容统计表,为了适合数据量较大的情况下分批生成索引而使用的.
创建完数据表后,我们对sphinx的配置文件,即csft_dedecmsv57.conf修改,内容如下,其中包含注释:
--------------------------------------------------------------------------------------------

#源定义
source mysql
{
    type                    = mysql

    # 数据库服务器基本配置信息
    sql_host                = 192.168.0.103
    sql_user                = dedev57
    sql_pass                = dedecms
    sql_db                  = dedecmsv57gbk
    sql_port                = 3306
    
    # 设定编码,这里我们是gbk编码,如果是utf-8,可以设置:
    # sql_query_pre            = SET NAMES utf8
    sql_query_pre            = SET NAMES gbk
    
    # 数据检索增量
    sql_range_step = 1000
    
    #当前最新文档id数
    sql_query_pre = REPLACE INTO dede_sphinx SELECT 1, MAX(id) FROM dede_archives
    
    #检索条件
    sql_query               = SELECT ARC.id,ARC.typeid,ARC.typeid2,ARC.sortrank,ARC.flag,ARC.channel,ARC.ismake,ARC.arcrank,ARC.click,ARC.title,ARC.shorttitle,ARC.color,ARC.writer,ARC.source,ARC.litpic,ARC.pubdate,ARC.senddate,ARC.mtype,ARC.description,ARC.badpost,ARC.goodpost,ARC.scores,ARC.lastpost,ARC.keywords,ARC.mid,ART.body FROM dede_archives AS ARC LEFT JOIN dede_addonarticle AS ART ON ARC.id = ART.aid WHERE ARC.id>=$start AND ARC.id<=$end #sql_query第一列id需为整数
    #title、body作为字符串/文本字段,被全文索引
    
    # 获取当前最大检索id
    sql_query_range  = SELECT 1,maxaid FROM dede_sphinx WHERE countid=1

                                            
    sql_attr_uint             = typeid            #从SQL读取到的值必须为整数
    sql_attr_uint            = typeid2
    sql_attr_uint            = channel
    sql_attr_uint            = click
    sql_attr_uint            = badpost
    sql_attr_uint            = goodpost
    sql_attr_uint            = scores
    sql_attr_uint            = mid
    sql_attr_timestamp  = pubdate    #从SQL读取到的值必须为整数,作为时间属性
    sql_attr_timestamp  = senddate
    sql_attr_timestamp  = lastpost

    #命令行查询时,从数据库读取原始数据信息
    sql_query_info            = SELECT ARC.*,ART.body FROM dede_archives AS ARC LEFT JOIN dede_addonarticle AS ART ON ARC.id = ART.aid WHERE ARC.id=$id  
}

source delta
{
    type                    = mysql

    # 数据库服务器基本配置信息
    sql_host                = 192.168.0.103
    sql_user                = dedev57
    sql_pass                = dedecms
    sql_db                  = dedecmsv57gbk
    sql_port                = 3306
    sql_query_pre            = SET NAMES gbk

    # 增量索引,从最大id开始
    sql_query = SELECT ARC.id,ARC.typeid,ARC.typeid2,ARC.sortrank,ARC.flag,ARC.channel,ARC.ismake,ARC.arcrank,ARC.click,ARC.title,ARC.shorttitle,ARC.color,ARC.writer,ARC.source,ARC.litpic,ARC.pubdate,ARC.senddate,ARC.mtype,ARC.description,ARC.badpost,ARC.goodpost,ARC.scores,ARC.lastpost,ARC.keywords,ARC.mid,ART.body FROM dede_archives AS ARC LEFT JOIN dede_addonarticle AS ART ON ARC.id = ART.aid WHERE ARC.id > ( SELECT maxaid FROM dede_sphinx WHERE countid=1 )
    #从SQL读取到的值必须为整数
    
    sql_query_post = REPLACE INTO dede_sphinx SELECT 1, MAX(id) FROM dede_archives
    
    sql_attr_uint             = typeid            
    sql_attr_uint            = typeid2
    sql_attr_uint            = channel
    sql_attr_uint            = click
    sql_attr_uint            = badpost
    sql_attr_uint            = goodpost
    sql_attr_uint            = scores
    sql_attr_uint            = mid
    sql_attr_timestamp  = pubdate    #从SQL读取到的值必须为整数,作为时间属性
    sql_attr_timestamp  = senddate
    sql_attr_timestamp  = lastpost

    #命令行查询时,从数据库读取原始数据信息
    sql_query_info            = SELECT ARC.*,ART.body FROM dede_archives AS ARC LEFT JOIN dede_addonarticle AS ART ON ARC.id = ART.aid WHERE ARC.id=$id  
}

#index定义
index mysql
{
    source            = mysql             #对应的source名称
    path            = D:/coreseek-3.2.13-win32/var/data/mysql
    docinfo            = extern
    mlock            = 0
    morphology        = none
    min_word_len        = 1
    html_strip                = 0
    #charset_dictpath = /usr/local/mmseg3/etc/    #BSD、Linux环境下设置,/符号结尾
    charset_dictpath = D:/coreseek-3.2.13-win32/etc/                        #Windows环境下设置,/符号结尾
    charset_type        = zh_cn.gbk
}

index delta : mysql
{
    min_word_len        = 1
    source = delta
    path            = D:/coreseek-3.2.13-win32/var/data/delta.new
}

#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 = D:/coreseek-3.2.13-win32/var/log/searchd_mysql.pid
    log = D:/coreseek-3.2.13-win32/var/log/searchd_mysql.log
    query_log = D:/coreseek-3.2.13-win32/var/log/query_mysql.log
}

-------------------------------------------------------------------------------------------------------

1.3.建立索引
配置完成后,我们要先建立索引,在开始菜单中打开[运行],输入"cmd",确认后打开命令行.输入下列代码:

d:&cd D:\coreseek-3.2.13-win32\bin

先切换到sphinx的bin目录,然后再执行:

indexer.exe -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf mysql --rotate

这个时候sphinx开始构建索引,如果数据量比较大,这个时间可能比较长,需要耐心等待(如图1).


织梦DedeCMS v5.7全文检索使用说明(sphinx)

然后再创建下增量索引,使用下列命令:
indexer.exe -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf delta --rotate

1.4.测试检索是否正常
建立完索引之后我们来检测下是否能够正常搜索到匹配内容,可以继续在cmd中输入下列命令:

search.exe -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf dedecms

如果能够正常返回数据(如图2),则说明已经成功建立索引.


织梦DedeCMS v5.7全文检索使用说明(sphinx)

2.结合DedeCMS程序使用sphinx
2.1.开启sphinx服务
在上面的步骤中我们已经成功生成了索引,接下来为了能够使用客户端调用则需要开启sphinx服务.
可以直接在cmd中执行:
searchd.exe -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf
这样我们就开启了sphinx服务(如图3),我们可以写一个简单的例子进行测试:


织梦DedeCMS v5.7全文检索使用说明(sphinx)

sphinx_test.php
--------------------------------------------------------------------------------------------------------
<?php
set_time_limit(0);
require_once (dirname(__FILE__) . "/include/common.inc.php");
$sphinx = new SphinxClient;

$mode = SPH_MATCH_ANY;            //匹配模式
$host = "localhost";            //服务ip
$port = 9312;    //服务端口
        
$sphinx->SetServer($host, $port);
$sphinx->SetArrayResult(true);
$sphinx->SetMatchMode($mode);

$res = $sphinx->Query('织梦内容管理系统');

//var_dump($sphinx);
//var_dump($res);
$total = count($res['matches']);
for($i=0; $i < $total; $i++)
{
    var_dump($res['matches'][$i]);
}

-----------------------------------------------------------------------------------------------------
执行sphinx_test.php,可以看到已经能够正常通信,并且返回了内容.


织梦DedeCMS v5.7全文检索使用说明(sphinx)

2.2.创建一个DedeSphinx服务
上面我们通过searchd.exe开启了服务,但不好的是,我们关闭了cmd窗口就不能继续访问了,解决办法如下:
同样切换到bin目录下,执行:

searchd.exe --install -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf --servicename DedeSphinx
这样就在系统中成功创建了一个DedeSphinx服务,无需再打开窗口(如图5).


织梦DedeCMS v5.7全文检索使用说明(sphinx)

3.更新与维护
对于全文检索的索引,我们是需要不定期生成的,如果是数据量比较小,直接使用上述生成索引的命令重建就可以,如果数据量比较大,我们则需要定义的更新全文索引.

如果内容更新比较频繁,下列的命令需要每分钟被执行一次(可以创建一个脚本,使用windows计划任务定期执行)

生成增量索引:

indexer.exe -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf delta --rotate

当然每一天都需要将增量索引合并到主索引mysql中去,需要执行:

indexer.exe -c D:\coreseek-3.2.13-win32\etc\csft_dedecmsv57.conf --merge mysql delta --rotate