sphinx学习手记还不够十个字吗

sphinx增量索引和主索引来实现索引的实时更新

项目中文章的信息内容因为持续有新增，而文章总量的基数又比较大，所以做搜索的时候，用了主索引+增量索引这种方式来实现索引的实时更新。

实现原理：

1. 新建一张表，记录一下上一次已经创建好索引的最后一条记录的ID
   1. 当索引时，然后从数据库中取出所有ID大于上面那个sphinx中的那个ID的数据， 这些就是新的数据，然后创建一个小的索引文件
   2. 把上边我们创建的增量索引文件合并到主索引文件上去
   3. 把最后一条记录的ID更新到第一步创建的表中

值得注意的两点：

1）当合并索引的时候，只是把增量的索引合并进主索引中，增量索引本身并不会变化，也不会被删除；

2）当重建主索引的时候，增量索引就会被删除；

具体操作实现流程：

1. 新建一张表，用于存储已经建过索引的最大的doc_id

CREATE TABLE sph_counter (
counter_id int(11) NOT NULL COMMENT '标识不同的数据表',
max_doc_id int(11) NOT NULL COMMENT '每个索引表的最大ID,会实时更新',
PRIMARY KEY (counter_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8

1. 配置索引文件

复制代码

source article_main
{
type = mysql
sql_host =xxx.xxx.xxx.xx
sql_user =
sql_pass =
sql_db =

sql_port                = 3306
sql_query_pre           = SET NAMES utf8
sql_query_pre           = REPLACE INTO sph_counter SELECT 1, MAX(id) FROM documents

sql_query_range =
sql_range_step = 10000
sql_query = \
SELECT *\
FROM documents WHERE id>=$start AND id<=$end

sql_attr_timestamp        = pubtime  #从SQL读取到的值必须为整数，作为时间属性

sql_query_info_pre      = SET NAMES utf8                                        #命令行查询时，设置正确的字符集
sql_query_info            = SELECT * FROM documents WHERE id=$id #命令行查询时，从数据库读取原始数据信息

}
复制代码
复制代码

source article_delta : article_main
{
sql_query_pre = SET NAMES utf8

sql_query_range =
sql_range_step = 10000
sql_query = \
SELECT *\
FROM documents WHERE id>=$start AND id<=$end

sql_attr_timestamp        = pubtime  #从SQL读取到的值必须为整数，作为时间属性
# 增量索引创建完成之后，更新最大的doc_id
sql_query_post  = UPDATE sph_counter  SET max_doc_id=(SELECT MAX(id) FROM documents) where counter_id=1
#                      REPLACE INTO sph_counter SELECT 1, MAX(id) FROM documents

sql_query_info_pre      = SET NAMES utf8                                        #命令行查询时，设置正确的字符集
sql_query_info            = SELECT * FROM article_info WHERE id=$id #命令行查询时，从数据库读取原始数据信息

}
复制代码
复制代码

index article_main
{
source = article_main #对应的source名称
path = /data/... #请修改为实际使用的绝对路径，例如：/usr/local/coreseek/var/...
docinfo = extern
mlock = 0
morphology = none
min_word_len = 1
html_strip = 0

#中文分词配置，详情请查看：http://www.coreseek.cn/products-install/coreseek_mmseg/
charset_dictpath = /usr/local/mmseg3/etc/ #BSD、Linux环境下设置，/符号结尾
#charset_dictpath = etc/                             #Windows环境下设置，/符号结尾，最好给出绝对路径，例如：C:/usr/local/coreseek/etc/...
charset_type        = zh_cn.utf-8

}

index article_delta : article_main
{
source = article_delta
path = /data/....
docinfo = extern
mlock = 0
morphology = none
min_word_len = 1
html_strip = 0

#中文分词配置，详情请查看：http://www.coreseek.cn/products-install/coreseek_mmseg/
charset_dictpath = /usr/local/mmseg3/etc/ #BSD、Linux环境下设置，/符号结尾
#charset_dictpath = etc/                             #Windows环境下设置，/符号结尾，最好给出绝对路径，例如：C:/usr/local/coreseek/etc/...
charset_type        = zh_cn.utf-8

}