Ubuntu上Coreseek+PHP的安装

Coreseek是一个基于sphinx引擎，支持与mmseg中文分词模块合作完成中文的全文搜索引擎。相对sql这类操作，Coreseek负载可谓是微不足道。当然类似的索引服务器还有给予Java的solr等。我选择coreseek的主要原因之一是他可以通过配置后可以与现有的mysql客户端兼容，并可以直接嵌入到mysql中成为mysql的引擎之一。

首先，下载安装包，我选择的是最新的stable版， 不过不客气的说，即便是coreseek的stable版本，不论是从稳定性、兼容性还是灵活性上都不能算是完善，至少无法跟apache这类经典应用相提并论。

安装Ubuntu开发包：
apt-get install make gcc g++ automake libtool mysql-client libmysqlclient15-dev libxml2-dev libexpat1-dev

解压：
tar xzvf coreseek-3.2.14.tar.gz
cd coreseek-3.2.14

应该看到有mmseg csft testpack 至少3个目录

安装mmseg中文分词模块

cd mmseg-3.2.14
./bootstrap
./configure –prefix=/usr/local/mmseg3 #不喜欢这个官方目录配置，更换目录后配置无法生效郁闷了很久，稍后再说
make
make install
cd ../testpack
/usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc var/test/test.xml #测试结果，请确保终端可以看到utf8中文，应该可以看到分词后的结果

安装Python包

虽然coreseek支持直接的mysql连接，但考虑到分词、分表的情况，这种设置不是很灵活。我的方案是通过python脚本的预处理，将mysql的数据整理后传输到coreseek建立索引。这样还有一个优势就是“万能数据源”——memcache、redis这类几乎不指望coreseek官方支持的妖异存储方案，只要有python的api，均可以索引。

官方的安装手册中介绍的python接口是基于ActivePython 替代系统python语言的方式进行的。ActivePython属于第三方封包，远没有系统自带python来的方便，刚开始用系统python测试了数次，均不成功，后来根据出错信息，找到了原因。

apt-get install python-dev python-sqlite python-mysqldb python-memcache

安装coreseek

cd ../csft-3.2.14
./buildconf.sh
./configure –prefix=/usr/local/coreseek –without-unixodbc –with-mmseg –with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ –with-mmseg-libs=/usr/local/mmseg3/lib/ –with-mysql –with-python
make
make install

cd ../testpack
/usr/local/coreseek/bin/indexer -c etc/csft.conf –all
/usr/local/coreseek/bin/search -c etc/csft.conf 网络搜索 #没什么问题了

安装libsphinxclient

coreseek官方教程中建议php使用直接include一个php文件进行操作，事实上php有独立的sphinx模块可以直接操作coreseek (coreseek就是sphinx！)已经进入了php的官方函数库，而且效率的提升不是一点点！但php模块依赖于libsphinxclient包。

cd ../csft-3.2.14/api/libsphinxclient
./configure
make
make install
ldconfig

安装php-sphinx支持

apt-get install php5-dev
wget http://pecl.php.net/get/sphinx-1.1.0.tgz
tar vzxf  sphinx-1.1.0.tgz
cd  sphinx-1.1.0
phpize
./configure
make
make install

确信成功后修改php.ini，还是遵从Ubuntu的配置规则
echo “extension=sphinx.so”  > /etc/php5/conf.d/sphinx.ini

如果使用apache或者fast-cgi的话，请重起。察看phpinfo() 如下则安装成功。

sphinx

配置coreseek

说容易也容易，说麻烦也麻烦的工作，照贴一份吧前面说过，我用的是python数据源

/usr/local/coreseek/etc/coreseek.conf

配置的部分都OK了，当然可以考虑通过这里（http://www.codesky.net/Linux/2012-07/66077.htm）介绍的方法直接打包成deb或者制作rpm。

python数据源脚本示意

贴过来供各位参考,注意的是返回的“字段名”必须是全小写

#!usr/bin/env python
from DBConfig import DBConfig
import MySQLdb

class MainSource(object):

    def __init__(self, conf):
        self.conf=conf
        self.data=[]
        self.idx = 0
    def GetScheme(self): #数据结构
        return [
            ('id' , {'docid':True } ), #id 必须是正整数
            ('uid', { 'type':'text'} ),
            ('blogcontent', { 'type':'text'} ),
        ]

    def GetFieldOrder(self): #排序
        return [('id'),('uid')]

    def Connected(self): #链接

        self.TableList=DBConfig().getDBTableConfig("BlogContent")
        self.getTableData()
        pass

    def NextDocument(self): #指针进行下一行
        if (  len(self.data) > 0 ):
            item = self.data.pop()
            #item = self.data[self.idx]
            self.id = item["id"]
            self.uid = item["uid"]
            self.blogcontent = item["blogcontent"]
            self.idx += 1
            return True

        elif (len(self.TableList ) > 0):
            self.getTableData()
            return self.NextDocument()

        else:
            return False

    def getTableData(self):
        dConfig = self.TableList.pop()
        mysqlHandle=MySQLdb.connect(host=dConfig["host"], user=dConfig["user"],
                         passwd=dConfig["passwd"], db=dConfig["dbName"])

        sSQL="SELECT blogId, uid, blogContent FROM " + dConfig["tableName"]
        tableNumber = int(dConfig["tableName"][-2:], 16)
        mysqlCursor=mysqlHandle.cursor()

        mysqlCursor.execute(sSQL)

        lResultList=mysqlCursor.fetchall()
        mysqlHandle.close()

        lData=[]
        for lRow in lResultList:
            fullId = int (lRow[0]) * 1000 + tableNumber
            dRow={
                   "id":fullId,
                   "uid":lRow[1],
                   "blogcontent":lRow[2]
                }
            lData.append(dRow)

        if (len(lData) > 0 ):           
            self.data.extend(lData)

if __name__ == "__main__": 
    conf = {}
    source = MainSource(conf)
    source.Connected()

    while source.NextDocument():
        print source.blogContent
    pass开启服务器

建立索引：
/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/sphinx.conf –all 正常情况下，你会在配置文件设置的/data/sphinx目录下看到有索引文件生成。 
开启服务器：
/usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/sphinx.conf  你可以netstat -an| grep 9312 是否打开 
设置定期更新索引：
coreseek的索引机制决定的他必须定期例遍全表，当然可以通过修改数据源的方式实现增量索引，然后合并索引，这样更靠谱，当然为了防止伸手党，在这里暂时不做介绍。
crontab -e
*/15 * * * * /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/sphinx.conf –all –rotate #15分钟索引一次