? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?sphinx

（1）Sphinx簡(jiǎn)介

Sphinx是一個(gè)基于SQL的全文檢索引擎，可以結(jié)合MySQL,PostgreSQL做全文搜索，它可以提供比數(shù)據(jù)庫(kù)本身更專(zhuān)業(yè)的搜索功能，使得應(yīng)用程序更容易實(shí)現(xiàn)專(zhuān)業(yè)化的全文檢索。Sphinx特別為一些腳本語(yǔ)言設(shè)計(jì)搜索API接口，如PHP,Python,Perl,Ruby等，同時(shí)為MySQL也設(shè)計(jì)了一個(gè)存儲(chǔ)引擎插件。

Sphinx單一索引最大可包含1億條記錄，在1千萬(wàn)條記錄情況下的查詢(xún)速度為0.x秒（毫秒級(jí)）。Sphinx創(chuàng)建索引的速度為：創(chuàng)建100萬(wàn)條記錄的索引只需3～4分鐘，創(chuàng)建1000萬(wàn)條記錄的索引可以在50分鐘內(nèi)完成，而只包含最新10萬(wàn)條記錄的增量索引，重建一次只需幾十秒。

（2）Sphinx工作流程圖：

（3）流程圖解釋?zhuān)?br>

Database：數(shù)據(jù)源，是Sphinx做索引的數(shù)據(jù)來(lái)源。因?yàn)镾phinx是無(wú)關(guān)存儲(chǔ)引擎、數(shù)據(jù)庫(kù)的，所以數(shù)據(jù)源可以是MySQL、PostgreSQL、XML等數(shù)據(jù)。

Indexer：索引程序，從數(shù)據(jù)源中獲取數(shù)據(jù)，并將數(shù)據(jù)生成全文索引。可以根據(jù)需求，定期運(yùn)行Indexer達(dá)到定時(shí)更新索引的需求。

Searchd：Searchd直接與客戶端程序進(jìn)行對(duì)話，并使用Indexer程序構(gòu)建好的索引來(lái)快速地處理搜索查詢(xún)。

APP：客戶端程序。接收來(lái)自用戶輸入的搜索字符串，發(fā)送查詢(xún)給Searchd程序并顯示返回結(jié)果。

（4）Sphinx原理：

Sphinx的整個(gè)工作流程就是Indexer程序到數(shù)據(jù)庫(kù)里面提取數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行分詞，然后根據(jù)生成的分詞生成單個(gè)或多個(gè)索引，并將它們傳遞給searchd程序。然后客戶端可以通過(guò)API調(diào)用進(jìn)行搜索。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?CoreSeek

（1）CoreSeek簡(jiǎn)介

Coreseek 的開(kāi)發(fā)工作類(lèi)似Sphinx（起始于2001年），可以上溯到2006年，當(dāng)時(shí)試圖為一個(gè)數(shù)據(jù)庫(kù)驅(qū)動(dòng)的網(wǎng)站尋找一個(gè)可接受的中文搜索的解決方案，但是當(dāng)時(shí)沒(méi)有任何方案能夠完全而又直接的滿足要求。事實(shí)上，主要是如下問(wèn)題：

---搜索質(zhì)量(例如：類(lèi)似Google的有效的相關(guān)度算法) 單純的統(tǒng)計(jì)學(xué)方法的效果非常糟糕，特別是在大量的短篇文檔的集合上，例如：論壇、博客等等

---搜索速度 特別是當(dāng)搜索的短語(yǔ)包括"停止詞"時(shí)，表現(xiàn)的尤其明顯，例如："to be or not to be"

---建立索引時(shí)，可控的磁盤(pán)和CPU消耗 在現(xiàn)有硬件的環(huán)境下，這一點(diǎn)的重要性要超過(guò)對(duì)索引構(gòu)造速度的要求。

---中文搜索的準(zhǔn)確性和效率 因?yàn)楸娝苤脑颍挥袦?zhǔn)確的中文分詞才能提高中文搜索的準(zhǔn)確性，并大大降低計(jì)算量。

（2）CoreSeek原理

Coreseek為應(yīng)用提供全文檢索功能，目前的版本(2.x 3.x)基于Sphinx，支持使用Python定義數(shù)據(jù)源，支持中文分詞。coreseek集合了sphinx的功能，支持更多的數(shù)據(jù)源，在字典，建立索引，分詞更好的支持中文。可以這樣理解，coreseek就是支持中文的sphinx全文檢索