sphinx【coreseek】的工作原理详解

  在分析sphix原理之前，我先澄清一下为什么经常出现coreseek这个词？

  因为sphinx默认不支持中文索引及检索，而coreseek基于sphinx开发了coreseek全文检索服务器，它提供了为sphinx设计的中文分词包libmmseg包含mmseg中文分词，是目前用的最多的sphinx中文检索。
 在没有sphinx之前，mysql数据库要对海量的文章中的词进行全文索引，一般用的语句例如：SELECT   ***  WHERE  ***  LIKE   '%word%';这样的LIKE查询，并且再结合通配符%，是使用不到mysql本身的索引，需要全表扫描，时间超慢的！

 如果用到sphinx，全文索引交给sphinx来做，sphinx返回含有该word的ID号，然后用该ID号直接去数据库准确定位那些数据，整个过程如下图：

sphinx的索引文件存储的不是完整的数据，只是由ID和分词组成的数组，由于索引文件不同直接查看，但我们可以通过search工具来验证：

  先建索引：

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

  再通过search 查找单词test:

/usr/local/coreseek/bin/search test -c /usr/local/coreseek/etc/sphinx.conf
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 '/usr/local/coreseek/etc/sphinx.conf'...
index 'test1': query 'test ': returned 3 matches of 3 total in 0.050 sec

 

displaying matches:
1. document=1, weight=2421, group_id=1, date_added=Thu Jan  8 21:43:32 2015
         id=1
         group_id=1
         group_id2=5
         date_added=2015-01-08 21:43:32
         title=test one
         content=this is my test document number one. also checking search within phrases.
2. document=2, weight=2421, group_id=1, date_added=Thu Jan  8 21:43:32 2015
         id=2
         group_id=1
         group_id2=6
         date_added=2015-01-08 21:43:32
         title=test two
         content=this is my test document number two
3. document=4, weight=1442, group_id=2, date_added=Thu Jan  8 21:43:32 2015
         id=4
         group_id=2
         group_id2=8
         date_added=2015-01-08 21:43:32
         title=doc number four
         content=this is to test groups
 
words:
1. 'test': 3 documents, 5 hits

再通过search 查找单词this:

/usr/local/coreseek/bin/search this -c /usr/local/coreseek/etc/sphinx.conf
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 '/usr/local/coreseek/etc/sphinx.conf'...
index 'test1': query 'this ': returned 4 matches of 4 total in 0.000 sec
 
displaying matches:
1. document=1, weight=1304, group_id=1, date_added=Thu Jan  8 21:43:32 2015
         id=1
         group_id=1
         group_id2=5
         date_added=2015-01-08 21:43:32
         title=test one
         content=this is my test document number one. also checking search within phrases.
2. document=2, weight=1304, group_id=1, date_added=Thu Jan  8 21:43:32 2015
         id=2
         group_id=1
         group_id2=6
         date_added=2015-01-08 21:43:32
         title=test two
         content=this is my test document number two
3. document=3, weight=1304, group_id=2, date_added=Thu Jan  8 21:43:32 2015
         id=3
         group_id=2
         group_id2=7
         date_added=2015-01-08 21:43:32
         title=another doc
         content=this is another group
4. document=4, weight=1304, group_id=2, date_added=Thu Jan  8 21:43:32 2015
         id=4
         group_id=2
         group_id2=8
         date_added=2015-01-08 21:43:32
         title=doc number four
         content=this is to test groups
 
words:
1. 'this': 4 documents, 4 hits

查看更多关于sphinx【coreseek】的工作原理详解的详细内容...