作为Discuz!NT企业版中的一员，在设计企业级搜索架构之初，就考虑了海量数量，准实时索引更新，并发访问，安装布署等诸多方面。目前在生产环境下被广泛使用的开源搜索引擎中，sphinx以其强大快速的索引功能，优异的并发响应性能，方面灵活的布署，分布式查询等诸多因素而倍受青睐。 目前Sphinx广泛应用在Linux平台上，尽管官方所发布的产品中也有window版本，并且支持mssql数据库，但在使用过程中才发现，其只在发布的windows平台下的版本里才支持mssql数据库，而linux平台下只有MySql,PostgreSQL这两种数据库支持。尽管后来在网上查找资料时发现可以使用UNIXODBC方式在LINUX下链接MsSql数据库，但在unixodbc的官方网站下载的源码包中却发现其并不包含makefile文件，从而导致下载解压的源码包无法编译（看来unixodbc开发者也疏忽了），当然即使ODBC能链接成功，但效率上还是可能存在问题。 而在window下尽管能实现链接mssql和创建索引以及查询，但在进行压力测试时发现即使50并发也会让sphinx守护进程疲于奔命到停止响应（后来在Linux下布署,发现同样数据索引量同一台机器，可以支持至少200-300并发），而sphinx的宿主环境是一台单核1.5G+1.5g内存的普通台式机（现在主流笔记本的配置都比它高得多）。所以就并发性而言,目前主流平台还是建立在linux上. 正因为如此,我才在解决方案中引入了一个mysql数据库，来实现下面三个目标： 1.为LINUX平台下SPHINX提供可访问的数据源。 2.充当快照功能（Slave database）解决当主数据库(Master database)宕机后，不会影响SPHINX创建索引了，这样看就相当于备份功能。 3.解决当创建SPHINX索引时，对主数据库的访问压力。 下面这张图简单说明了Sphinx(Linux) + MySql + Discuz!NT的关系: 
如上面所说的，我们在产品中引入了Sphinx客户端API，而服务端则通过LINUX+SPHINX守护进程来实现，所以这篇文章要被分为两个部分，今天要说明的只是Discuz!NT方面的改动。下一篇将会介绍如何在LINUX下配置SPHINX及增量索引等相关工作。好了开始正文吧。 首先为了简化安装，我写了一个文件类用于配置SPHINX客户端信息，如下（Discuz.Config\EntLibConfigInfo.cs）： 
如上面所说的，我们在产品中引入了Sphinx客户端API，而服务端则通过LINUX+SPHINX守护进程来实现，所以这篇文章要被分为两个部分，今天要说明的只是Discuz!NT方面的改动。下一篇将会介绍如何在LINUX下配置SPHINX及增量索引等相关工作。好了开始正文吧。 首先为了简化安装，我写了一个文件类用于配置SPHINX客户端信息，如下（Discuz.Config\EntLibConfigInfo.cs）： /// <summary> /// Sphinx企业级查询配置信息 /// </summary> public class SphinxConfig { /// <summary> /// Mysql增量数据库链接地址 /// </summary> public string MySqlConn; /// <summary> /// 是否启用Sphinx搜索 /// </summary> public bool Enable; /// <summary> /// Sphinx服务地址 /// </summary> public string SphinxServiceHost; /// <summary> /// Sphinx服务端口 /// </summary> public int SphinxServicePort = 3312 ; ...... }
该配置类中提供了是否开启SPHINX查询（Enable），以及MYSQL数据库链接，以及SPHINX服务端的地址端口信息等。
下面介绍一下Sphinx的客户端代码(C#)实现，该代码被放到了Discuz.EntLib这个项目中（位于SphinxClient\），而该项目是一个基于GNU的开源项目，其类"SphinxClient"实现了构造方法和相应访问SPHINX服务端守护进程的方法，如下： 这些方法的名称和参数信息与SPHINX开放的API是对应的,而相应的SPHINX文档可以从官方下载,这里只提供一个中文文档的下载地址,也就是CORESEEK的文档链接, 如下:
这份手册中介绍了大部分API方法的使用和示例，是目前为止网上找到最全的中文文档了。 有了客户端，我们还要在已有的搜索代码中植入SPHINX查询逻辑代码。 在原来的产品中，搜索功能是使用SQLSERVER全文检索的方法提供的，其原理是： 使用SQLSERVER全文检索方法查询帖子分表(dnt_posts，表结构如下图所示)的MESSAGE字段: 
而该字段是Text类型，所以在一次性查询出所有记录的pid字段后，以distinct方法过滤其中记录重复的tid信息，最终会返回tid字段并将其放入到数据库中,相应SQL语句构造方法参照如下(Discuz.Data.SqlServer/GlobalManage.cs)：
private string GetSearchPostContentSQL( int posterId, string searchForumId, int resultOrder, int resultOrderType, int searchTime, int searchTimeType, int postTableId, StringBuilder strKeyWord){ StringBuilder sqlBuilder = new StringBuilder(); string orderfield = " lastpost " ; switch (resultOrder) { case 1 : orderfield = " tid " ; break ; case 2 : orderfield = " replies " ; break ; case 3 : orderfield = " views " ; break ; default : orderfield = " lastpost " ; break ; } sqlBuilder.AppendFormat( " SELECT DISTINCT [{0}posts{1}].[tid],[{0}topics].[{2}] FROM [{0}posts{1}] LEFT JOIN [{0}topics] ON [{0}topics].[tid]=[{0}posts{1}].[tid] WHERE [{0}topics].[displayorder]>=0 " , BaseConfigs.GetTablePrefix, postTableId, orderfield); if (searchForumId != "" ) sqlBuilder.AppendFormat( " AND [{0}posts{1}].[fid] IN ({2}) " , BaseConfigs.GetTablePrefix, postTableId, searchForumId); if (posterId != - 1 ) sqlBuilder.AppendFormat( " AND [{0}posts{1}].[posterid]={2} " , BaseConfigs.GetTablePrefix, postTableId, posterId); if (searchTime != 0 ) sqlBuilder.AppendFormat( " AND [{0}posts{1}].[postdatetime] {2} '{3}' " , BaseConfigs.GetTablePrefix, postTableId, searchTimeType == 1 ? " < " : " > " , DateTime.Now.AddDays(searchTime).ToString( " yyyy-MM-dd 00:00:00 " )); string [] keywordlist = Utils.SplitString(strKeyWord.ToString(), " " ); strKeyWord = new StringBuilder(); for ( int i = 0 ; i < keywordlist.Length; i ++ ) { if (strKeyWord.Length > 0 ) strKeyWord.Append( " OR " ); if (GeneralConfigs.GetConfig().Fulltextsearch == 1 ) { strKeyWord.AppendFormat( " CONTAINS(message, '\ " * " , BaseConfigs.GetTablePrefix, postTableId); strKeyWord.Append(keywordlist[i]); strKeyWord.Append( " *\ "' ) "); } else strKeyWord.AppendFormat( " [{0}posts{1}].[message] LIKE '%{2}%' " , BaseConfigs.GetTablePrefix, postTableId, RegEsc(keywordlist[i])); } if (keywordlist.Length > 0 ) sqlBuilder.Append( " AND " + strKeyWord.ToString()); sqlBuilder.AppendFormat( " ORDER BY [{0}topics]. " , BaseConfigs.GetTablePrefix); switch (resultOrder) { case 1 : sqlBuilder.Append( " [tid] " ); break ; case 2 : sqlBuilder.Append( " [replies] " ); break ; case 3 : sqlBuilder.Append( " [views] " ); break ; default : sqlBuilder.Append( " [lastpost] " ); break ; } return sqlBuilder.Append(resultOrderType == 1 ? " ASC " : " DESC " ).ToString();}
如果上述的构造方法所拼接出的SQL语句被顺利执行后，就会在相应的dnt_searchcaches表中生成一条记录，形如：
< ForumTopics > 1,5,6,10,11,12,13,2,26,25,36,41,42,44,52,53,56,61,70,76,57,105,114,115,131,137 </ ForumTopics >
注：<ForumTopics>表示其是论坛搜索的结果（因为产品中同时也提供了空间相册搜索功能，所以这样加以标识）.
而dnt_searchcacheds数据字典如下（上面的ForumTopics对应表中的tids字段：text类型 ）：
然后根据这些tid记录，按分页的大小一次获取其中一段数据（比如头10条：1,5,6,10,11,12,13,2,26,25），然后再用这段tid集合作为where条件 放到类似下面的查询语句中运行，就会获取相应的主题列表了（查询结果以主题列表而不是帖子列表方式呈现，这也是为什么要在GetSearchPostContentSQL中进行distinct的原因，因为一个主题可以有多个帖子，即1:n）: select * from dnt_topics where tid in (tid集合) 原理清楚之后，下面就是加入SPHINX查询逻辑了。因为SPHINX对全文索引进行查询时，会返回相应的documemntId,相应对帖子分表中的pid字段，所以只要将逻辑代码放到GetSearchPostContentSQL中就可以了，这里使用了配置文件开关的方式来标识是否执行SPHINX查询，如下：
private string GetSearchPostContentSQL( int posterId, string searchForumId, int resultOrder, int resultOrderType, int searchTime, int searchTimeType, int postTableId, StringBuilder strKeyWord){ // 如果开启sphinx全文搜索时 if ( ! string .IsNullOrEmpty(strKeyWord.ToString()) && EntLibConfigs.GetConfig() != null && EntLibConfigs.GetConfig().Sphinxconfig.Enable) { return GetSphinxSqlService().GetSearchPostContentSQL(posterId, searchForumId, resultOrder, resultOrderType, searchTime, searchTimeType, postTableId, strKeyWord); } StringBuilder sqlBuilder = new StringBuilder(); string orderfield = " lastpost " ; switch (resultOrder) { case 1 : orderfield = " tid " ; break ; ......
通过上述代码，可以看出GetSphinxSqlService()这个方法就是提供SPHINX查询和数据服务的接口，该接口定义如下：
/// <summary> /// 查询服务数据操作接口 /// </summary> public interface ISqlService{ /// <summary> /// 创建Sphinx的数据表（目前只支持mysql数据库类型） /// </summary> /// <param name="tableName"> 当前分表名称 </param> /// <returns></returns> bool CreatePostTable( string tableName); /// <summary> /// 创建Sphinx数据表帖子 /// </summary> /// <param name="tableName"> 当前分表名称 </param> /// <param name="pid"> 帖子ID </param> /// <param name="tid"> 主题ID </param> /// <param name="fid"> 所属版块ID </param> /// <param name="posterid"> 发帖人 </param> /// <param name="postdatetime"> 发帖日期 </param> /// <param name="title"> 标题 </param> /// <param name="message"> 内容 </param> /// <returns></returns> int CreatePost( string tableName, int pid, int tid, int fid, int posterid, string postdatetime, string title, string message); /// <summary> /// 更新Sphinx数据表帖子 /// </summary> /// <param name="tableName"> 当前分表名称 </param> /// <param name="pid"> 帖子ID </param> /// <param name="tid"> 主题ID </param> /// <param name="fid"> 所属版块ID </param> /// <param name="posterid"> 发帖人 </param> /// <param name="postdatetime"> 发帖日期 </param> /// <param name="title"> 标题 </param> /// <param name="message"> 内容 </param> /// <returns></returns> int UpdatePost( string tableName, int pid, int tid, int fid, int posterid, string postdatetime, string title, string message); /// <summary> /// 获取要搜索的主题ID(Tid)信息 /// </summary> /// <param name="posterId"> 发帖者id </param> /// <param name="searchForumId"> 搜索版块id </param> /// <param name="resultOrder"> 结果排序方式 </param> /// <param name="resultOrderType"> 结果类型类型 </param> /// <param name="searchTime"> 搜索时间 </param> /// <param name="searchTimeType"> 搜索时间类型 </param> /// <param name="postTableId"> 当前分表ID </param> /// <param name="strKeyWord"> 关键字 </param> /// <returns></returns> string GetSearchPostContentSQL( int posterId, string searchForumId, int resultOrder, int resultOrderType, int searchTime, int searchTimeType, int postTableId, System.Text.StringBuilder strKeyWord);}
设计这个接口的目的首先是解除Discuz.EntLib.dll与其它DLL文件的互相依赖。第二就是为了当本机用户发表或更新帖子信息时，会调用这个接口的中的相应方法来创建（CreatePost）或更新（UpdatePost）mysql数据库中的相应帖子记录，以确保sphinx获取索引数据的有效性。
可以通过反射的方法实例化该接口对象以便访问其中的方法，如下（GlobalManage.cs）： #region sphinx SQL服务 private static SphinxConfig.ISqlService sphinxSqlService; private static SphinxConfig.ISqlService GetSphinxSqlService() { if (sphinxSqlService == null ) { try { sphinxSqlService = (SphinxConfig.ISqlService)Activator.CreateInstance(Type.GetType( " Discuz.EntLib.SphinxClient.SphinxSqlService, Discuz.EntLib " , false , true )); } catch { throw new Exception( " 请检查BIN目录下有无Discuz.EntLib.dll文件 " ); } } return sphinxSqlService; } #endregion
而在Discuz.EntLib中提供了该接口的MYSQL类型数据库实现方法（Discuz.EntLib\SphinxClient\SphinxSqlService.cs），如下：
public class SphinxSqlService : Discuz.Config.SphinxConfig.ISqlService{ private SphinxConfig sphinxConfig = EntLibConfigs.GetConfig().Sphinxconfig; public int CreatePost( string tableName, int pid, int tid, int fid, int posterid, string postdatetime, string title, string message) { DbParameter[] prams = { MakeParam( " ?pid " , (DbType)MySqlDbType.Int32, 4 , ParameterDirection.Input, pid), MakeParam( " ?tid " , (DbType)MySqlDbType.Int32, 4 , ParameterDirection.Input, tid), MakeParam( " ?fid " , (DbType)MySqlDbType.Int16, 2 , ParameterDirection.Input, fid), MakeParam( " ?posterid " , (DbType)MySqlDbType.Int32, 4 , ParameterDirection.Input, posterid), MakeParam( " ?postdatetime " , (DbType)MySqlDbType.VarString, 20 , ParameterDirection.Input, postdatetime), MakeParam( " ?title " , (DbType)MySqlDbType.VarString, 60 , ParameterDirection.Input, title), MakeParam( " ?message " , (DbType)MySqlDbType.Text, 0 , ParameterDirection.Input, message) }; string commandText = " SET NAMES utf8;INSERT INTO ` " + tableName + " ` (`pid`,`tid`,`fid`,`posterid`,`postdatetime`,`title`,`message`) VALUES(?pid,?tid,?fid,?posterid,?postdatetime,?title,?message) " ; try { return TypeConverter.ObjectToInt(ExecuteScalar(commandText, prams)); } catch { CreatePostTable(tableName); return TypeConverter.ObjectToInt(ExecuteScalar(commandText, prams)); } } public bool CreatePostTable( string tableName) { EntLibConfigInfo entLibConfigInfo = EntLibConfigs.GetConfig(); // 数据库MY.ini文件中也要指定或在安装实例是即指定为utf-8 // SET NAMES utf8;CREATE DATABASE IF NOT EXISTS test; string commandText = string .Format( " SET NAMES utf8; " + " CREATE TABLE IF NOT EXISTS `{0}` ( " + " `pid` INT(11) NOT NULL , " + " `tid` INT(11) NOT NULL , " + " `fid` INT(11) NOT NULL , " + " `posterid` INT(11) NOT NULL , " + " `postdatetime` DATETIME NOT NULL, " + " `title` varchar(60) NOT NULL, " + " `message` TEXT NOT NULL, " + " PRIMARY KEY (`pid`) " + " ) DEFAULT CHARSET=utf8; " , tableName); ExecuteScalar(commandText, null ); return true ; } public int UpdatePost( string tableName, int pid, int tid, int fid, int posterid, string postdatetime, string title, string message) { DbParameter[] prams = { MakeParam( " ?pid " , (DbType)MySqlDbType.Int32, 4 , ParameterDirection.Input, pid), MakeParam( " ?tid " , (DbType)MySqlDbType.Int32, 4 , ParameterDirection.Input, tid), MakeParam( " ?fid " , (DbType)MySqlDbType.Int16, 2 , ParameterDirection.Input, fid), MakeParam( " ?posterid " , (DbType)MySqlDbType.Int32, 4 , ParameterDirection.Input, posterid), MakeParam( " ?postdatetime " , (DbType)MySqlDbType.VarString, 20 , ParameterDirection.Input, postdatetime), MakeParam( " ?title " , (DbType)MySqlDbType.VarString, 60 , ParameterDirection.Input, title), MakeParam( " ?message " , (DbType)MySqlDbType.Text, 0 , ParameterDirection.Input, message) }; string commandText = " SET NAMES utf8;UPDATE ` " + tableName + " ` SET `tid` = ?tid, `fid` = ?fid, `posterid`= ?posterid,`postdatetime` = ?postdatetime,`title` = ?title, `message` = ?message WHERE `pid` = ?pid " ; try { return ExecuteNonQuery(commandText, prams); } catch { return 0 ; } } public string GetSearchPostContentSQL( int posterId, string searchForumId, int resultOrder, int resultOrderType, int searchTime, int searchTimeType, int postTableId, StringBuilder strKeyWord) { if ( string .IsNullOrEmpty(strKeyWord.ToString())) return "" ; SphinxClient cli = new SphinxClient(sphinxConfig.SphinxServiceHost, sphinxConfig.SphinxServicePort); cli.SetLimits( 0 , 300000 ); // 30万条数据（单个帖子分表一般不应超过30万条记录） if (searchForumId != "" ) cli.SetFilter( " fid " , TypeConverter.StrToInt(searchForumId), false ); if (posterId != - 1 ) cli.SetFilter( " posterid " , posterId, false ); if (searchTime != 0 ) { if (searchTimeType == 1 ) // "<" 多少天之前 即： searchTimeType == 1 cli.SetFilterRange( " postdatetime " , DateTimeHelper.ConvertToUnixTimestamp(DateTime.Now.AddYears( - 10 )), DateTimeHelper.ConvertToUnixTimestamp(DateTime.Now.AddDays(searchTime)), false ); else // ">" 多少天之内 cli.SetFilterRange( " postdatetime " , DateTimeHelper.ConvertToUnixTimestamp(DateTime.Now.AddDays(searchTime)), DateTimeHelper.ConvertToUnixTimestamp(DateTime.Now), false ); } if (resultOrderType == 1 ) // " ASC" cli.SetGroupBy( " tid " , ( int )ResultsGroupFunction.Attribute, " tid ASC " ); else // DESC cli.SetGroupBy( " tid " , ( int )ResultsGroupFunction.Attribute); cli.SetGroupDistinct( " tid " ); string orderBy = "" ; switch (resultOrder) { case 1 : // tid orderBy = " tid " ; break ; case 2 : // replies orderBy = " tid " ; break ; case 3 : // views orderBy = " tid " ; break ; default : orderBy = " postdatetime " ; break ; } cli.SetSortMode(( int )ResultsSortMode.Extended, orderBy + (resultOrderType == 1 ? " ASC " : " DESC " )); foreach ( string keyword in Utils.SplitString(strKeyWord.ToString(), " " )) { cli.AddQuery(keyword, BaseConfigs.GetTablePrefix + " posts " + postTableId); // 搜索主索引 cli.AddQuery(keyword, BaseConfigs.GetTablePrefix + " posts " + postTableId + " _stem " ); // 搜索增量索引 } cli.SetWeights( new int [] { 1 , 100 }); SphinxResult[] results = cli.RunQueries(); string postid = "" ; foreach (SphinxResult sr in results) { foreach (SphinxMatch sphinxMatch in sr.matches) { if (postid.Length < 280000 ) // 防止SQL语句过长而无法被执行，这里指定最长为28万 { postid += sphinxMatch.docId + " , " ; } } } if ( string .IsNullOrEmpty(postid)) // 当没有搜索到任何数据时 return "" ; StringBuilder sqlBuilder = new StringBuilder(); sqlBuilder.AppendFormat( " SELECT [{0}posts{1}].[tid] FROM [{0}posts{1}] LEFT JOIN [{0}topics] ON [{0}topics].[tid]=[{0}posts{1}].[tid] WHERE [{0}posts{1}].[pid] IN ({2}) AND [{0}topics].[displayorder]>=0 " , BaseConfigs.GetTablePrefix, postTableId, postid.TrimEnd( ' , ' )); return sqlBuilder.ToString(); } ....}
上面方法中的GetSearchPostContentSQL即是SPHINX查询对象的构造和执行过程了，大家可以参照SPHINX的官方文档或之前所说的那个中文文档来查询对应的语句语法。如果该方法执行正确，就会获取一个SQL语句，该语句与SQLSERVER进行全文检索时所调用的方法返回的SQL语句结果相同。 不过上面代码中的这段代码要在这里解释一下，因为它与后面所讲述的“增量索引”是相互对应的：
foreach ( string keyword in Utils.SplitString(strKeyWord.ToString(), " " )){ cli.AddQuery(keyword, BaseConfigs.GetTablePrefix + " posts " + postTableId); // 搜索主索引 cli.AddQuery(keyword, BaseConfigs.GetTablePrefix + " posts " + postTableId + " _stem " ); // 搜索增量索引 }
上面代码是执行查询时所使用的索引名称和关键字绑定，因为考虑到创建大数据量表索引时的时间会相对较长，所以这里引入了增量索引，也就是主索引中存储的是整个数据表中的索引信息（某时间段之前），而增量索引只保存指定条件（会在下文中说明）的"新记录（某时间段之后）"信息。我们可以让“创建主索引”的工作在一天中服务器最闲的时候来生成（比如凌晨4-5点钟），而增量索引每几分钟（甚至一分钟）生成一次。这样当查询时我们同时指定这两个索引来能实现“准实时”的查询效果了。 除了在搜索时调用了该服务接口的相应方法，再有就是在创建或更新帖子信息时也调用了相应方法，比如创建帖子时（Discuz.Forum\Posts.cs）：
/// <summary> /// 创建帖子 /// </summary> /// <param name="postInfo"> 帖子信息类 </param> /// <returns> 返回帖子id </returns> public static int CreatePost(PostInfo postInfo){ int pid = Data.Posts.CreatePost(postInfo, GetPostTableId(postInfo.Tid)); // 本帖具有正反方立场 if (postInfo.Debateopinion > 0 ) { DebatePostExpandInfo dpei = new DebatePostExpandInfo(); dpei.Tid = postInfo.Tid; dpei.Pid = pid; dpei.Opinion = postInfo.Debateopinion; dpei.Diggs = 0 ; Data.Debates.CreateDebateExpandInfo(dpei); } RemoveShowTopicCache(postInfo.Tid.ToString()); // 将数据同步到sphinx增量表中 if (pid > 0 && EntLibConfigs.GetConfig() != null && EntLibConfigs.GetConfig().Sphinxconfig.Enable) { GetSphinxSqlService().CreatePost(GetPostTableName(), pid, postInfo.Tid, postInfo.Fid, postInfo.Posterid, postInfo.Postdatetime, postInfo.Title, postInfo.Message); } return pid;}
和更新帖子时：
/// <summary> /// 更新指定帖子信息 /// </summary> /// <param name="postsInfo"> 帖子信息 </param> /// <returns> 更新数量 </returns> public static int UpdatePost(PostInfo postInfo){ if (postInfo == null || postInfo.Pid < 1 ) return 0 ; RemoveShowTopicCache(postInfo.Tid.ToString()); // 将数据同步到sphinx增量表中 if (postInfo.Pid > 0 && EntLibConfigs.GetConfig() != null && EntLibConfigs.GetConfig().Sphinxconfig.Enable) { GetSphinxSqlService().UpdatePost(GetPostTableName(), postInfo.Pid, postInfo.Tid, postInfo.Fid, postInfo.Posterid, postInfo.Postdatetime, postInfo.Title, postInfo.Message); } return Data.Posts.UpdatePost(postInfo, GetPostTableId(postInfo.Tid));}
到这时，架构中的Discuz!NT客户端部分甚本上就介绍完了。下一篇文章中将会介绍在服务器如果安装，配置SPHINX以及定时生成主和增量索引等工作。
在中，介绍了Discuz!NT引入SPHINX的背景和相应的客户端的C#代码架构实现。今天这篇文章将会介绍如果在LINUX环境下安装配置SPHINX中文搜索工具，也就是服务器配置方案.
目前在网络上可以找到的SPHINX中文插件主要有两个:
1.coreseek: 2.sfc:其中的coreseek是目前对Discuz(PHP版)支持做的比较好的插件，它提供了相应的工具和源码包来尽可能简化sphinx的安装和配置。大家可从网上找到很多相关信息。
今天本文要说的是使用sfc来安装配置sphinx，呵呵:）
linux环境:centos 5.4 （需要安装gcc编译器来编译SPHINX源代码）
因为SPHINX要访问MYSQL数据库，所以如果机器上没有安装MYSQL，可以使用下面命令进行安装：
[root@localhost ~]# yum install -y mysql mysql-devel [root@localhost ~]# yum install -y automake autoconf
下面开始安装SPHINX（sfc 插件）：
[root@localhost ~]# cd /usr/local/src/ [root@localhost src]# wget http://sphinx-for-chinese.googlecode.com/files/sphinx-for-chinese-0.9.9-r2117.tar.gz [root@localhost src]# tar zxvf sphinx-for-chinese-0.9.9-r2117.tar.gz [root@localhost local]# cd sphinx-for-chinese-0.9.9-r2117 [root@localhost sphinx-for-chinese-0.9.9-r2117]# ./configure --prefix=/usr/local/sphinx --with-mysql #注意：这里sphinx已经默认支持了mysql，也可用--without-mysql来取消mysql [root@localhost sphinx-for-chinese-0.9.9-r2117]# make && make install # 其中的“警告”可以忽略
到这里，基本就是完成了SPHINX的下载安装过程。
下面开始下载中文字典文档：
[root@localhost ~]#cd /usr/local/sphinx/bin [root@localhost bin]# wget http://sphinx-for-chinese.googlecode.com/files/xdict_1.1.tar.gz [root@localhost bin]# tar zxvf xdict_1.1.tar.gz [root@localhost bin]#./mkdict xdict_1.1.txt xdict #注:mkdict是sfc自有的
这样就从xdict_1.1.txt文件生了xdict词典。
因为要在SPHINX中使用增量索引，因为参照官方文档中提供的思路，在指定的MYSQL数据库中创建增量统计表：
#构造增量统计表 CREATE TABLE sphcounter(counterid INTEGER PRIMARY KEY NOT NULL ,max_doc_id INTEGER NOT NULL );
接着就是创建Sphinx主索引文件、增量索引文件存放目录:
[root@localhost ~]#mkdir /usr/local/sphinx/var/data/dnt_posts1/ [root@localhost ~]#mkdir /usr/local/sphinx/var/data/dnt_posts1stemmed/
然后编辑usr/local/sphinx/etc/sphinx.conf文件：
[root@localhost bin] cd /usr/local/sphinx/etc/ [root@localhost etc] vi sphinx.conf
内容如下：
代码 source src1{ # known types are mysql, pgsql, mssql, xmlpipe, xmlpipe2, odbc type = mysql sql_host = 10.0.4.66 #mysql数据库链接参数 sql_user = root sql_pass = root sql_db = test sql_port = 3306 #optional, default is 3306 #下面是获取MYSQL数据表的查询语句 sql_query_pre = SET NAMES utf8 #加上这一行，以免因为编码不同造成中文乱码 sql_query_pre =replace into sphcounter select 1,MAX(pid) from dnt_posts1 sql_query = SELECT pid,fid,title,message,poster,postdatetime from dnt_posts1 where pid < = (select max_doc_id from sphcounter where counterid =1) sql_ranged_throttle = 0 }source src1throttled : src1{ sql_query_pre =set names utf8 #增量表所使用的查询语句，以获取最新的帖子信息 sql_query =SELECT pid,fid,title,message,poster,postdatetime FROM dnt_posts1 where pid > (select max_doc_id from sphcounter where counterid=1) }index dnt_posts1{ # 放索引的目录 path = /usr/local/sphinx/data/dnt_posts1 docinfo = extern #编码 charset_type = utf-8 #指定utf-8的编码表。注意：如使用这种方式，则sphinx会对中文进行单字切分，即进行字索引，若要使用中文分词，必须使用其他分词插件如 coreseek，sfc 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 #简单分词，只支持0和1，如果要搜索中文，请指定为1 ngram_len = 1 #需要分词的字符，如果要搜索中文，去掉前面的注释 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 source = src1 min_infix_len = 1 min_word_len = 1 #加上这个选项，则会对每个中文，英文字词进行分割，速度会慢 #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 chinese_dictionary = /usr/local/sphinx/bin/xdict}index dnt_posts1stemmed : dnt_posts1{ source =src1throttled path = /usr/local/sphinx/data/dnt_posts1stemmed}indexer{}searchd{ listen = 10.0.4.66:3312 pid_file = /usr/local/sphinx/log/searchd.pid read_timeout = 30 #请求超时 client_timeout = 300 max_children = 30 #同时可执行的最大searchd 进程数 preopen_indexes = 1 max_packet_size = 128M max_matches = 1000 #查询结果的最大返回数 max_filters = 256 max_filter_values = 4096 read_buffer = 4096K}
其中的searchd节点下listen对应的是就服务器SPHINX守护进程的地址和端口信息及其它进程配置参数（详见sphinx官方示例文档）
对应上面的配置文件，下面是sfc官方的说明：
charset_type = utf-8 #其中charst_type选择utf-8即可
chinese_dictionary = /path/to/xdict #chinese_dictionary是指定分词词典的选项，包括路径和文件名,这样中文支持就可以了 同时当chinese_dictionary和utf-8的ngram选项同时出现时，会优先使用sphinx-for-chinese的中文支持方法。如果要使用ngram方法，将chinese_dictionary选项去掉即可。 如果配置正确，就可以使用下面命令行来创建索引了： [root@localhost sphinx]# bin/indexer -c etc/sphinx.conf dnt_posts1 #建立索引文件的命令，目前该分表中存在26w条帖子信息
信息显示：
Sphinx 0.9.9-release (r2117) Copyright (c) 2001-2009, Andrew Aksyonoff using config file 'etc/sphinx.conf'... indexing index 'dnt_posts1'... collected 99820 docs, 17.6 MB sorted 29.8 Mhits, 97.4% done total 99820 docs, 17553938 bytes total 35.498 sec, 494498 bytes/sec, 2811.95 docs/sec WARNING: no such index '-rotate', skipping. total 294 reads, 0.220 sec, 432.5 kb/call avg, 0.7 msec/call avg total 312 writes, 1.372 sec, 956.0 kb/call avg, 4.3 msec/call avg
查询：
[root@localhost sphinx]# bin/search -c etc/sphinx.conf hello # 查询hello
信息显示：
[root@localhost sphinx]# bin/search -c etc/sphinx.conf helloSphinx 0.9.9-release (r2117)Copyright (c) 2001-2009, Andrew Aksyonoffusing config file 'etc/sphinx.conf'...index 'dnt_posts20': query 'hello ': returned 12 matches of 12 total in 0.001 secdisplaying matches:1. document=5206761, weight=1, tid=312375, fid=4, posterid=97258, postdatetime=Mon Jan 2 17:30:00 20062. document=5213543, weight=1, tid=312709, fid=4, posterid=30374, postdatetime=Tue Jan 3 01:43:00 20063. document=5237575, weight=1, tid=314170, fid=79, posterid=54334, postdatetime=Sat Jan 7 19:55:00 20064. document=5253361, weight=1, tid=314961, fid=12, posterid=2587, postdatetime=Mon Jan 9 13:22:00 20065. document=5258138, weight=1, tid=315239, fid=78, posterid=52580, postdatetime=Wed Jan 11 17:03:00 20066. document=5258160, weight=1, tid=315239, fid=78, posterid=39959, postdatetime=Thu Jan 12 19:49:00 20067. document=5259929, weight=1, tid=315343, fid=12, posterid=55028, postdatetime=Wed Jan 25 17:48:00 20068. document=5262286, weight=1, tid=315516, fid=81, posterid=57720, postdatetime=Wed Jan 11 01:00:00 20069. document=5264041, weight=1, tid=315612, fid=18, posterid=96303, postdatetime=Thu Jan 12 13:00:00 200610. document=5268527, weight=1, tid=315837, fid=78, posterid=26965, postdatetime=Thu Jan 12 12:47:00 200611. document=5268541, weight=1, tid=315837, fid=78, posterid=48761, postdatetime=Thu Jan 12 18:54:00 200612. document=5274196, weight=1, tid=316220, fid=12, posterid=50496, postdatetime=Fri Jan 13 22:22:00 2006words:1. 'hello': 12 documents, 16 hitsindex 'dnt_posts20_stem': query 'hello ': returned 5 matches of 5 total in 0.000 secdisplaying matches:1. document=5300417, weight=1, tid=317247, fid=4, posterid=97227, postdatetime=Thu Jan 1 08:33:26 19702. document=5300424, weight=1, tid=317247, fid=4, posterid=31887, postdatetime=Thu Jan 1 08:33:26 19703. document=5307959, weight=1, tid=317654, fid=120, posterid=18760, postdatetime=Thu Jan 1 08:33:26 19704. document=5308076, weight=1, tid=317662, fid=120, posterid=18760, postdatetime=Thu Jan 1 08:33:26 19705. document=5308079, weight=1, tid=317662, fid=120, posterid=18760, postdatetime=Thu Jan 1 08:33:26 1970words:1. 'hello': 5 documents, 10 hits
开启守护进程：
[root@localhost sphinx]# bin/searchd -c etc/sphinx.conf
信息显示：
Sphinx 0.9.9-release (r2117) Copyright (c) 2001-2009, Andrew Aksyonoff using config file 'etc/sphinx.conf'... listening on 10.0.4.66:3312 You have new mail in /var/spool/mail/root
之前提到，客户端会对主索引和增量索引同时进行查询，而主索引和增量索引会被做了定时任务方式进行执行。那么接下来就是做这一部分的工作：
创建两个shell脚本，分别用来创建主索引和创建增量索引。
1.创建主索引更新脚本，build_main_index.sh：
vi /usr/local/sphinx/bin/build_main_index.sh
输入以下内容（双击打开）：
#!/bin/sh /usr/local/shpinx/bin/indexr --rotate dnt_posts1 sleep 1 #清空搜索日志 :/>/usr/local/sphinx/var/log/query.log :/>/usr/local/sphinx/var/log/searchd.log
2.赋予主索引更新脚本可执行权限：
chmod +x /usr/local/sphinx/bin/build_main_index.sh
3.每天凌晨定时重建主索引：
crontab -e
增加以下内容：
#每天凌晨4点19分重建一次搜索引擎的主索引 19 4 * * * /bin/sh /usr/local/sphinx/bin/build_main_index.sh
4.创建脚本build_delta_index.sh：
vi /usr/local/sphinx/bin/build_delta_index.sh
输入以下内容（双击打开）：
#!/bin/sh /usr/local/sphinx/bin/indexer --rotate dnt_posts1stemmed
5.赋予增量索引更新脚本可执行权限：
chmod +x /usr/local/sphinx/bin/build_delta_index.sh
6.每3分钟自动重建一次搜索引擎的增量索引：
crontab -e
增加以下内容：
#每3分钟自动重建一次搜索引擎的增量索引 0-57/3 * * * * /bin/sh /usr/local/sphinx/bin/build_delta_index.sh
7.配置服务器开机启动时需要自动执行的命令
vi /etc/rc.local
内容：
ulimit -SHn 500000 /usr/bin/nohup /bin/sh /usr/local/sphinx/bin/build_main_index.sh 2> &1 > /dev/null & /bin/sh /usr/local/sphinx/bin/build_delta_index.sh 2> &1 > /dev/null /usr/local/sphinx/bin/searchd
这样在服务端的配置工作就告一段落了。
当然，对于以前使用过Discuz!NT的用户，我们提供了一个同步工具来将已有的帖子分表同步的指定的MYSQL数据库里以便让SPHINX来访问。如下：
当然，SPHINX还支持分布式检索服务，不过因为眼下的架构未用到，所以就不多做说明了，大家可以去网上搜索相关信息即可。
原文链接:
BLOG:
作者:daizhj,代震军
参考链接：
Sphinx中文指南
sphinx_doc_zhcn_0.9-中文手册 亿级数据的高并发通用搜索引擎架构设计 sphinx-for-chinese : coreseek: 分类: