Sphinx增量索引

Sphinx+Mysql+中文分词安装

在实际应用中往往有这么一种情况，数据库数据很大，比如我们的歌曲表，如果我们每次都去更新整个表的索引，对系统得开销将非常大，显然这是不合适，这时我们会发现，每天我们需要更新的数据相比较而言较少，在这种情况下我们就需要使用“主索引+增量索引”的模式来实现实时更新的功能。

这个模式实现的基本原理是设置两个数据源和两个索引，为那些基本不更新的数据建立主索引，而对于那些新增的数据建立增量索引。主索引的更新频率我们可以设置的长一些(可以设置在每天的午夜进行更新)，而增量索引的更新频率，我们可以将时间设置的很短(几分钟左右)，这样在用户搜索的时候，我们可以同时查询这两个索引的数据。

下面，我们通过一个简单的例子来描述一下怎样实现这种模式

以sphinx.conf中默认的数据为例:

1.先在mysql中插入一个计数表和两个索引表

1. CREATE TABLE sph_counter(
2.     counter_id INTEGER PRIMARY KEY NOT NULL,
3.     max_doc_id INTEGER NOT NULL
4. );

//主索引使用(确认之前是否已经建立过该表，如果已经建立，这里就不需要重新建了)

1. CREATE TABLE `sphinx` (  
2. `id` int(11) NOT NULL,  
3. `weight` int(11) NOT NULL,  
4. `query` varchar(255) NOT NULL,  
5. `CATALOGID` INT NOT NULL,  
6. `EDITUSERID` INT NOT NULL,  
7. `HITS` INT NULL,  
8. `ADDTIME` INT NOT NULL,   KEY 
9. `Query` (`Query`) 
10. ) ENGINE=SPHINX DEFAULT CHARSET=utf8CONNECTION='sphinx://localhost:3312/test1'

//增量索引使用

1. CREATE TABLE `sphinx1` (   
2. `id` int(11) NOT NULL,   
3. `weight` int(11) NOT NULL,   
4. `query` varchar(255) NOT NULL,   
5. `CATALOGID` INT NOT NULL,   
6. `EDITUSERID` INT NOT NULL,   
7. `HITS` INT NULL,   
8. `ADDTIME` INT NOT NULL,   KEY
9. `Query` (`Query`)
10. )ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='sphinx://localhost:3312/ test1stemmed '

2.修改sphinx.conf

1. source src1
2. {
3. sql_query_pre = SET NAMES utf8
4. sql_query_pre = SET SESSION query_cache_type=OFF
5. sql_query_pre = REPLACE INTO sph_counter SELECT 1, MAX(id) FROM documents
6. sql_query = SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content FROM documents \
7. WHERE id<=( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )       
8. ... //其他可以默认
9. }
10.  
11. // 注意：sql_query_pre的个数需和src1对应，否则可能搜索不出相应结果
12. source src1throttled : src1
13. {
14. sql_ranged_throttle = 100
15. sql_query_pre = SET NAMES utf8
16. sql_query_pre = SET SESSION query_cache_type=OFF
17. sql_query_pre =
18.  
19.              sql_query = SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content FROM documents \
20. WHERE id>( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )
21. }
22.  
23. index test1 //主索引
24. {
25. source = src1
26. ...
27. }
28.  
29. index test1stemmed : test1 //增量索引
30. {
31. source = src1throttled
32. ...
33. }

3.重建索引

1. /usr/local/sphinx/bin/searchd --stop
2. /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all
3. /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf

插入测试数据

1. INSERT INTO `test`.`documents` (
2. `id` ,
3. `group_id` ,
4. `group_id2` ,
5. `date_added` ,
6. `title` ,
7. `content`
8. )
9. VALUES (
10. NULL , '3', '11', NOW( ) , '索引合并', '合并两个已有的索引比重新对所有数据做索引更有效率，而且有时候必须这样做（例如在“ 主索引＋增量索引”分区模式中应合并主索引和增量索引，而不是简单地重新索引“主索引对应的数据）。因此indexer有这个选项。合并索引一般比重新索引快，但在大型索引上仍然不是一蹴而就。基本上，待合并的两个索引都会被读入内存一次，而合并后的内容需要写入磁盘一次。例如，合并100GB和1GB的两个索引将导致202GB的IO操作（但很可能还是比重新索引少）'
11. );

执行

1. SELECT doc . *
2. FROM documents doc
3. JOIN sphinx ON ( doc.id = sphinx.id )
4. WHERE query = '索引'

你会发现你刚添加的数据没有被检索出来
然后执行：

1. SELECT doc.* FROM documents doc join sphinx1 on(doc.id=sphinx1.id) where query='索引'

你会发现数据是空的，这时我们就需要来更新增量索引了。

通过执行：

1. /usr/local/sphinx/bin/indexer --rotate --config /usr/local/sphinx/etc/sphinx.conf test1stemmed

命令来更新增量索引(正式使用时，我们可以将该命令配置到系统计划任务中，每隔几分钟执行一次)
--rotate: 该参数可以使我们在不需要停止searchd的情况下，直接加载索引
执行完命令该命令后，我们再来查看一下增量索引的数据

1. SELECT doc.* FROM documents doc join sphinx1 on(doc.id=sphinx1.id) where query='索引'

你会发现新添加的数据被检索出来的。

主索引的更新：

1. /usr/local/sphinx/bin/indexer --rotate --config /usr/local/sphinx/etc/sphinx.conf test1

1. collected 997 docs, 1.4 MB
2. sorted 0.3 Mhits, 100.0% done
3. total 997 docs, 1430054 bytes
4. total 1.428 sec, 1001459.38 bytes/sec, 698.19 docs/sec

(我们可以设置成每天的午夜执行)

只有在更新了主索引后，结果才会被更新

1. SELECT doc.* FROM documents doc join sphinx on(doc.id=sphinx.id) where query='索引'

我们也可以通过合并索引的方式使主索引的数据保持更新

1. /usr/local/sphinx/bin/indexer --merge test1 test1stemmed  --rotate

可以将增量索引test1stemmed合并到主索引test1中去

为创建2个shell脚本，一个用来创建主索引、一个用来创建增量索引（此步可以省略）

1.创建主索引脚本build_main_index.sh

1. #!/bin/sh
2. #/usr/local/sphinx/bin/searchd --stop
3. /usr/local/sphinx/bin/indexer test1 --config /usr/local/sphinx/etc/sphinx.conf >> /var/log/sphinx/mainindexlog
4. #/usr/local/sphinx/bin/searchd

2.创建增量索引脚本build_delta_index.sh

1. #!/bin/sh
2. #/usr/local/sphinx/bin/searchd --stop
3. /usr/local/sphinx/bin/indexer test1stemmed  --config /usr/local/sphinx/etc/sphinx.conf --rotate>> /var/log/sphinx/deltaindexlog
4. /usr/local/sphinx/bin/indexer --merge test1 test1stemmed --config /usr/local/sphinx/etc/sphinx.conf --rotate >> /var/log/sphinx/deltaindexlog
5. #/usr/local/sphinx/bin/searchd

每隔5分钟进行索引增量合并，每天2：30重建索引

1. */5 * * * * /bin/sh /opt/shell/build_delta_index.sh > /dev/null 2>&1
2. 30 2* * * /bin/sh /opt/shell/build_main_index.sh > /dev/null 2>&1

每周一至周六上早6点增量合并，同日重建索引

1. 1 6 * * 1-6 /bin/sh /opt/shell/build_delta_index.sh > /dev/null 2>&1
2. 1 6 * * 7 /bin/sh /opt/shell/build_main_index.sh > /dev/null 2>&1

参考：
http://www.coreseek.com/uploads/pdf/sphinx_doc_zhcn_0.9.pdf

 

come from here