php sphinx应用场景,Sphinx+Scws 搭建千万级准实时搜索应用场景详解

目标：一、搭建准确的千万级数据库的准实时搜索(见详情) 二、实现词语高亮(客户端JS渲染，服务器端渲染，详见7.3) 三、实现搜索联想(输入框onchange,ajax请求搜索，取10条在层上展示方可) 四、实现词库管理(仅需管理scws下的自定义词库dd.txt即可) 五、实现全文搜索(提供了两种方案，详见8) 案例：本文第五部分，针对实际应用场景，典型案例分析。软件： sphinx: sphinx-2.0.2-beta scws: scws-1.2.0 =========================================================================== 一、Sphinx安装 1、安装

# ./configure --prefix=/opt/server/sphinx --with-mysql=/opt/server/mysql

# make

# make install 2、配置见sphinx.conf 详见下文，多索引增量索引方案 3、php 扩展性能方面，扩展和直接使用API文件，差别不大；可以做选择；都在源码API中；个人建议使用API文件，系统更稳定 3.1 sphinx客户端libsphinxclient

# ./configure --prefix=/opt/server/libsphinxclient

# make

# make install 3.2 扩展下载 http://pecl.php.net/package/sphinx

# /opt/server/php/bin/phpize./configure --with-sphinx=/opt/server/libsphinxclient --with-php-config=/opt/server/php/bin/php-config

# make

# make install

查看

# /opt/server/php/bin/php -m |grep sphinx 使用手册 http://docs.php.net/manual/zh/book.sphinx.php 4、索引启动服务

# /opt/server/sphinx/bin/indexer --all

# /opt/server/sphinx/bin/searchd 二、php 分词 scws 官网 http://www.ftphp.com/scws/ 1、安装

# ./configure --prefix=/opt/server/scws

# make

# make install 2、词库 scws-dict-chs-utf8.tar.bz2 解压放入 /opt/server/scws/etc 词库 dict.utf-8.xdb 规则 rules.utf-8.ini 3、 php 扩展源码在phpext下

# /opt/server/php/bin/phpize./configure --with-scws=/opt/server/scws --with-php-config=/opt/server/php/bin/php-config

# make

# make install

# vi php.ini

[scws]

extension = scws.so

scws.default.charset = utf-8

scws.default.fpath = /opt/server/scws/etc

查看

# /opt/server/php/bin/php -m |grep scws 4、分词测试 http://www.ftphp.com/scws/docs.php 详见测试文件 test_all.php 三、索引

//索引某个索引

# /opt/server/sphinx/bin/indexer test1

//searchd 索引某个索引

# /opt/server/sphinx/bin/indexer test1 --rotate

//指定索引搜索

# /opt/server/sphinx/bin/indexer -i test1 '逗她男' 1、增量索引方案

//创建表记录偏移

CREATE TABLE IF NOT EXISTS `search_counter` (

`counterid` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '统计标示',

`max_doc_id` int(11) unsigned NOT NULL COMMENT '已统计数',

PRIMARY KEY (`counterid`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

//增量索引

# /opt/server/sphinx/bin/indexer test1stemmed --rotate

//合并索引

# /opt/server/sphinx/bin/indexer --merge test1 test1stemmed --rotate 索引策略 1、搜索时，同时从主索引和增量索引取数据 2、每5分钟，运行一次增量索引；满足新数据搜索需求 3、每晚，运行一次主索引，同时会更新索引标示；再运行增量索引，实质为清空增量索引，避免与主索引重复索引 4、好处：避免开合并索引，合并索引效率较差 5、如数据量特别大，可考虑合并索引的方案索引策略shell

//add.sh

#!/bin/sh

/opt/server/sphinx/bin/indexer test1stemmed --rotate >> /opt/server/sphinx/var/log/add.sh.log

//all.sh

#!/bin/sh

/opt/server/sphinx/bin/indexer test1 --rotate >> /opt/server/sphinx/var/log/all.sh.log

/opt/server/sphinx/bin/indexer test1stemmed --rotate >> /opt/server/sphinx/var/log/add.sh.log 四、多个表独立索引方案场景：如有用户搜索、商品搜索等多个索引需求策略：配置一个多索引方案，每个表单独建立索引前端根据不同类型选择不同的查询索引；全部，即选择所有索引 =========================================================================== 五、性能及应用场景总结 1、基础数据、假如我们是一家商城；有用户user，商品goods，以及增量索引计数表search_counter。

-- 数据库: `sphinx`

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

-- 表的结构 `goods`

CREATE TABLE IF NOT EXISTS `goods` (

`id` int(10) unsigned NOT NULL AUTO_INCREMENT COMMENT '商品ID',

`name` varchar(50) NOT NULL COMMENT '商品名称',

`price` int(11) NOT NULL COMMENT '商品价格',

PRIMARY KEY (`id`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

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

-- 表的结构 `user`

CREATE TABLE IF NOT EXISTS `user` (

`id` int(10) unsigned NOT NULL AUTO_INCREMENT COMMENT '用户ID',

`name` varchar(50) NOT NULL COMMENT '用户昵称',

`info` text NOT NULL COMMENT '用户简介',

PRIMARY KEY (`id`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

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

-- 表的结构 `search_counter`

CREATE TABLE IF NOT EXISTS `search_counter` (

`counterid` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '统计标示',

`max_doc_id` int(11) unsigned NOT NULL COMMENT '已统计数',

PRIMARY KEY (`counterid`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

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

-- 统计初始值 `search_counter`

INSERT INTO `search_counter` (`counterid`, `max_doc_id`) VALUES

(1, 0),

(2, 0); 2、编写配置文件 sphinx.conf

# 多个索引策略

# 全部用户

source userbasesrc

{

type= mysql

sql_host= 127.0.0.1

sql_user= root

sql_pass= 123456

sql_db= sphinx

sql_port= 3306

sql_query_pre = SET NAMES UTF8

sql_query_pre = REPLACE INTO search_counter SELECT 1,MAX(id) FROM user? #创建主索引前更改标识位置

sql_query = SELECT id,name,info FROM user

#sql_attr_uint= name

sql_query_info= SELECT * FROM user WHERE id=$id

}

index userbase

{

source= userbasesrc

path= /opt/server/sphinx/var/data/userbase

docinfo = extern

mlock = 0

min_prefix_len= 0

min_infix_len = 0

min_word_len= 1

charset_type= utf-8

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+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

}

# 增量用户

source useraddsrc

{

type= mysql

sql_host= 127.0.0.1

sql_user= root

sql_pass= 123456

sql_db= sphinx

sql_port= 3306

sql_query_pre = SET NAMES UTF8

sql_query = SELECT id,name,info FROM user WHERE id>(SELECT max_doc_id FROM search_counter WHERE counterid=1) #增量索引是id大于标识位置的部分

#sql_attr_uint = name

sql_query_info= SELECT * FROM user WHERE id=$id

}

index useradd

{

source= useraddsrc

path= /opt/server/sphinx/var/data/useradd

docinfo = extern

mlock = 0

min_prefix_len= 0

min_infix_len = 0

min_word_len= 1

charset_type= utf-8

ngram_len = 1

}

# 全部商品

source goodsbasesrc

{

type= mysql

sql_host= 127.0.0.1

sql_user= root

sql_pass= 123456

sql_db= sphinx

sql_port= 3306

sql_query_pre = SET NAMES UTF8

sql_query_pre = REPLACE INTO search_counter SELECT 2,MAX(id) FROM goods? #创建主索引前更改标识位置

sql_query = SELECT id,name,price FROM goods

#sql_attr_uint= name

sql_query_info= SELECT * FROM goods WHERE id=$id

}

index goodsbase

{

source= goodsbasesrc

path= /opt/server/sphinx/var/data/goodsbase

docinfo = extern

mlock = 0

min_prefix_len= 0

min_infix_len = 0

min_word_len= 1

charset_type= utf-8

ngram_len = 1

}

# 增量商品

source goodsaddsrc

{

type= mysql

sql_host= 127.0.0.1

sql_user= root

sql_pass= 123456

sql_db= sphinx

sql_port= 3306

sql_query_pre = SET NAMES UTF8

sql_query = SELECT id,name,price FROM goods WHERE id>(SELECT max_doc_id FROM search_counter WHERE counterid=2) #增量索引是id大于标识位置的部分

#sql_attr_uint = name

sql_query_info= SELECT * FROM goods WHERE id=$id

}

index goodsadd

{

source= goodsaddsrc

path= /opt/server/sphinx/var/data/goodsadd

docinfo = extern

mlock = 0

min_prefix_len= 0

min_infix_len = 0

min_word_len= 1

charset_type= utf-8

ngram_len = 1

}

indexer

{

mem_limit = 128M

}

searchd

{

listen= 9312

log = /opt/server/sphinx/var/log/searchd.log

query_log = /opt/server/sphinx/var/log/query.log

read_timeout= 5

max_children= 30

pid_file= /opt/server/sphinx/var/log/searchd.pid

max_matches = 1000

seamless_rotate = 1

preopen_indexes = 1

unlink_old= 1

workers = threads # for RT to work

binlog_path = /opt/server/sphinx/var/data

} 3、索引，启动服务

# /opt/server/sphinx/bin/indexer --all

# /opt/server/sphinx/bin/searchd 4、索引方案索引策略 1、搜索时，同时从主索引和增量索引取数据 2、每5分钟，运行一次增量索引；满足新数据搜索需求 3、不同表的索引，分别执行方可 4、每晚，运行一次主索引，同时会更新索引标示；再运行增量索引，实质为清空增量索引，避免与主索引重复索引 5、好处：避免开合并索引，合并索引效率较差 6、如数据量特别大，可考虑合并索引的方案索引策略shell

//add.sh

#!/bin/sh

/opt/server/sphinx/bin/indexer useradd goodsadd --rotate >> /opt/server/sphinx/var/log/add.sh.log

//all.sh

#!/bin/sh

/opt/server/sphinx/bin/indexer userbase goodsbase --rotate >> /opt/server/sphinx/var/log/all.sh.log

/opt/server/sphinx/bin/indexer useradd goodsadd --rotate >> /opt/server/sphinx/var/log/add.sh.log 5、测试程序

$b_time = microtime(true);

echo '

'.$b_time.'

//搜索词

$key = trim($_GET['k']);

//搜索类型

$type = trim($_GET['t']);

switch ($type)

{

case 'all':

$index = 'useradd,userbase,goodsadd,goodsbase';

break;

case 'user':

$index = 'useradd,userbase';

break;

case 'goods':

$index = 'goodsadd,goodsbase';

break;

default:

$index = 'useradd,userbase,goodsadd,goodsbase';

}

//========================================分词

$so = scws_new();

$so->set_charset('utf-8');

//默认词库

$so->add_dict(ini_get('scws.default.fpath') . '/dict.utf-8.xdb');

//自定义词库

$so->add_dict('./dd.txt',SCWS_XDICT_TXT);

//默认规则

$so->set_rule(ini_get('scws.default.fpath') . '/rules.utf-8.ini');

//设定分词返回结果时是否去除一些特殊的标点符号

$so->set_ignore(true);

//设定分词返回结果时是否复式分割，如“中国人”返回“中国＋人＋中国人”三个词。

// 按位异或的 1 | 2 | 4 | 8 分别表示: 短词 | 二元 | 主要单字 | 所有单字

//1,2,4,8 分别对应常量 SCWS_MULTI_SHORT? SCWS_MULTI_DUALITY SCWS_MULTI_ZMAIN SCWS_MULTI_ZALL

$so->set_multi(false);

//设定是否将闲散文字自动以二字分词法聚合

$so->set_duality(false);

//设定搜索词

$so->send_text($key);

$words_array = $so->get_result();

foreach($words_array as $v)

{

$words = $words.'|('.$v['word'].')';

}

//加入全词

#$words = '('.$key.')'.$words;

$words = trim($words,'|');

$so->close();

echo '

输入：'.$key.'

echo '

分词：'.$words.'

//var_dump($words);

//exit;

//========================================搜索

#require_once 'sphinxapi.php';

$sc = new SphinxClient();

$sc->SetServer('127.0.0.1',9312);

#$sc->SetMatchMode(SPH_MATCH_ALL);

$sc->SetMatchMode(SPH_MATCH_EXTENDED);

$sc->SetArrayResult(TRUE);

$res = $sc->Query($words,$index);

var_dump($res);

$e_time = microtime(true);

$time = $e_time - $b_time;

echo '

'.$e_time.'

echo '

'.$time.'

exit;

?> 5.1 加入用户信息测试

-- 转存表中的数据 `goods`

INSERT INTO `goods` (`id`, `name`, `price`) VALUES

(1, '伤心纸杯的钢板哥哥', 20),

(2, '钢板他哥哥', 30),

(3, '钢板哥哥', 20),

(4, '钢板他的哥哥', 65);

-- 转存表中的数据 `user`

INSERT INTO `user` (`id`, `name`, `info`) VALUES

(1, '钢板哥哥', '我是钢板哥，我来自四川，喜欢吃辣椒，也喜欢妹纸。'); 5.2 类别商品多个关键字对比

关键字钢板

分词：(钢板)

结果：排序/权值

1/2304

2/2304

3/2304

4/2304

关键字钢板哥哥

分词：(钢板)|(哥哥)

结果：排序/权值

1/4279

3/4279

2/3279

4/2279

关键字钢板他哥哥

分词：(钢板)|(他)|(哥哥)

结果：排序/权值

2/5349

4/4349

1/3334

3/3334

关键字钢板的哥哥

分词：(钢板)|(的)|(哥哥)

结果：排序/权值

2/4334

1/3349

4/3349

3/3334 6、小结通过分词和采用 SPH_MATCH_EXTENDED (Sphinx内部查询语言的表达式) 模式；能获取较好的搜索结果，排序和权值都是比较理想的。 7、优化扩展 7.1 如访问量较大，可将分词结果添加一层memecache，避免每次调用分词接口。 7.2 本文的的准实时索引，只对新增数据有效，如修改了老数据的内容则不能及时索引。补充方案:(基于性能，不推荐) 7.2.1 全文重新索引 7.2.1在启一个索引为 updategoods，当数据发生改变时候，将来变化数据ID存如数据库，动态读取更新；定时将更新的数据merge到主索引 7.3 词语高亮利用API，SphinxClient::buildExcerpts可实现对关键词加入标签高亮

public array SphinxClient::buildExcerpts ( array $docs , string $index , string $words [, array $opts ] ) $opts 可实现对索引ID，搜索出的详情数组；进行匹配处理，得出理想的搜索结果。具体参数，见PHP手册。 8、全文搜索由于sphinx索引ID唯一的问题，跨表的全文搜索不能直接实现；即，不能简单通过查询多个索引而获得结果；不过通过如下方式，亦可实现全文搜索。方案A 可在索引时对每个表的ID进行处理；如：SELECT (id+1000000) AS id,name,price FROM goods; 在提供外部使用时，根据规则(如：ID > 1000000 为商品类)还原相应ID即可。方案B 将数据来源存储为一个属性,将类比在属性中返回；获得的结果集中，可通过source_id进行类别区分了；如下：

source src1

{

sql_query = SELECT id, 1 AS source_id FROM table1

sql_attr_uint = source_id

…

}

source src2

{

sql_query = SELECT id, 2 AS source_id FROM table2

sql_attr_uint = source_id

…

} 转自：http://www.wubiao.info/314

php sphinx应用场景,Sphinx+Scws 搭建千万级准实时搜索应用场景详解相关推荐

Sphinx+Scws 搭建千万级准实时搜索应用场景详解
为什么80%的码农都做不了架构师?>>> 目标: 一.搭建准确的千万级数据库的准实时搜索(见详情) 二.实现词语高亮(客户端JS渲染,服务器端渲染,详见7.3) 三.实现搜索联 ...
scws sphinx mysql_Sphinx+Scws 搭建千万级准实时搜索应用场景详解
# # 多个索引策略 # # 全部用户 source userbasesrc { type= mysql sql_host= 127.0.0.1 sql_user= root sql_pass= 12 ...
高性能千万级定时任务管理服务forsun使用详解
Forsun高性能高精度定时服务,轻松管理千万级定时任务. 项目地址: https://github.com/snower/forsun 使用 linux 系统定时器提供精确到秒级的定时调度,长时间运 ...
30个mysql千万级大数据SQL查询优化技巧详解
点击上方关注 "终端研发部" 设为"星标",和你一起掌握更多数据库知识文章来自:脚本之家 http://www.jb51.net/article/136701 ...
Nginx反向代理，负载均衡，Redis集群 Twemproxy,redis session共享，keepalived高可用-搭建千万级网站系统
Nginx反向代理,负载均衡,redis session共享,keepalived高可用-搭建千万级系统架构 1.安装Nginx 安装机器IP地址为: 192.168.91.129 (主) 192.1 ...
京东搭建“千万级消息推送架构”的演进之路
2019独角兽企业重金招聘Python工程师标准>>> 前言京麦消息是京麦商家开放平台的核心组成部分.从消息源到消息中心再到触达用户,以及最终根据消息协议呼起操作页面,京麦消息是一 ...
aproxy配合Nginx搭建Web集群部署实验（图文详解）
文章目录一.常见的Web集群调度器二.Haproxy应用分析三.Haproxy调度算法原理四.Haproxy搭建 Web 群集实验所需安装包环境配置 1.部署haproxy服务器(192. ...
OpenStack-国基北盛搭建，跑脚本安装各组件步骤详解
搭建openstack平台所需要的两个镜像包:CentOS-7-X86_64-DVD-1804.iso 和 chinaskill_cloud_iaas.iso镜像文件. 需要镜像的自行下载: 链接:h ...
YOLOv5在无人机/遥感场景下做旋转目标检测时进行的适应性改建详解（踩坑记录）...
作者丨略略略@知乎(已授权) 来源丨https://zhuanlan.zhihu.com/p/358441134 编辑丨极市平台文章开头直接放上我自己的项目代码: https://github.co ...

php sphinx应用场景,Sphinx+Scws 搭建千万级准实时搜索应用场景详解

php sphinx应用场景,Sphinx+Scws 搭建千万级准实时搜索应用场景详解相关推荐

最新文章

热门文章