【Sphinx】MySQL+Sphinx 全文檢索的使用和測試
阿新 • • 發佈：2017-12-19
sphinx mysql 增量更新索引文 導讀：最近在線上由於某些不可名狀的原因需要在數據庫中過濾一些詞語,所以線上比較多的語句都是 select c1,c2 fron tb1 where c1 like '%name%'類似與這個樣子的模糊查詢。開始想到了全文索引來進行分詞，但是又想到這些都是線上數據庫，並且表中的數據都是幾千萬行的數據，在線online ddl 或者說使用第三方的工具的話對於在修改期間會阻塞線上的DML操作,並且針對全文索引的維護也需要消耗一定的資源，所以暫時打消了這個想法。在和開發進行討論並且結合實際業務，最後還是打算選型第三方的全文檢索工具，在這裏選擇了全文檢索工具sphinx。
sphinx的安裝和測試:
sphinx的安裝
yum install sphinx -y
2. 配置文件
#
# Minimal Sphinx configuration sample (clean, simple, functional)
#
source sbtest_sbtest1
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = redhat
sql_db = sbtest
sql_port = 3306 # optional, default is 3306
sql_query = \
SELECT userid as id, \
c, \
pad \
FROM sbtest1 \
where c like '%03679578678%' \
sql_attr_uint = k #數據類型int或者timestamp
sql_field_string = c #數據類型text或者string
sql_attr_string = pad #數據類型string
}
index sbtest1
{
source = sbtest_sbtest1
}
index testrt
{
type = rt
rt_mem_limit = 128M
path = /var/lib/sphinx/testrt
rt_field = title
rt_field = content
rt_attr_uint = gid
}
indexer
{
mem_limit = 128M
}
searchd
{
listen = 9312
listen = 9306:mysql41 #對外提供服務的端口,類似與mysql中的3306端口
log = /var/log/sphinx/searchd.log
query_log = /var/log/sphinx/query.log
read_timeout = 5
max_children = 30
pid_file = /var/run/sphinx/searchd.pid
seamless_rotate = 1
preopen_indexes = 1
unlink_old = 1
workers = threads # for RT to work
binlog_path = /var/lib/sphinx/
}
註意：在配置文件中需要註意的是:
a. 在sql_query參數後面是sql語句,但是這個sql語句的第一個字段必須是id字段，在後面的參數類型定義的時候不需要定義,否則的話sphinx是不能識別這個屬性的。
b. 在屬性的定義的時候必須包含一個sql_filed_string類型的字段，否則sphinx認為你沒有必須使用全文檢索這個功能。
3.創建索引
indexer sbtest1
4.啟動searchd 服務
service searchd start
5.查看searchd服務狀態
[root@TiDB-node2 data]# searchd --status
Sphinx 2.3.2-id64-beta (4409612)
Copyright (c) 2001-2016, Andrew Aksyonoff
Copyright (c) 2008-2016, Sphinx Technologies Inc (http://sphinxsearch.com)
using config file '/etc/sphinx/sphinx.conf'...
searchd status
--------------
uptime: 80403
connections: 11
maxed_out: 0
command_search: 7
command_excerpt: 0
command_update: 0
command_delete: 0
command_keywords: 0
command_persist: 0
command_status: 1
command_flushattrs: 0
agent_connect: 0
agent_retry: 0
queries: 7
dist_queries: 0
query_wall: 0.010
query_cpu: OFF
dist_wall: 0.000
dist_local: 0.000
dist_wait: 0.000
query_reads: OFF
query_readkb: OFF
query_readtime: OFF
avg_query_wall: 0.001
avg_query_cpu: OFF
avg_dist_wall: 0.000
avg_dist_local: 0.000
avg_dist_wait: 0.000
avg_query_reads: OFF
avg_query_readkb: OFF
avg_query_readtime: OFF
qcache_max_bytes: 16777216
qcache_thresh_msec: 3000
qcache_ttl_sec: 60
qcache_cached_queries: 0
qcache_used_bytes: 0
qcache_hits: 0
6.測試使用：mysql 客戶端
[root@TiDB-node2 data]# mysql -uroot -predhat -h127.0.0.1 -P9306 -e "select id,k,c,pad from sbtest1 where match('03679578678')"
mysql: [Warning] Using a password on the command line interface can be insecure.
+------+----------+-------------------------------------------------------------------------------------------------------------------------+-------------------------------------------------------------+
| id | k | c | pad |
+------+----------+-------------------------------------------------------------------------------------------------------------------------+-------------------------------------------------------------+
| 1 | 15324329 | 64733237507-56788752464-03679578678-53343296505-31167207241-10603050901-64148678956-82738243332-73912678420-24566188603 | 78326593386-76411244360-77646817949-14319822046-41963083322 |
+------+----------+-------------------------------------------------------------------------------------------------------------------------+-------------------------------------------------------------+
7.python測試使用
#!/usr/bin/env python
#coding:utf-8
import pymysql
con = pymysql.connect(host='127.0.0.1', port=9306, user="", passwd="", db="")
with con.cursor(pymysql.cursors.DictCursor) as cur:
cur.execute("select * from sbtest1 where match('%03679578678%')")
print(cur.fetchall())
[root@TiDB-node2 ~]# python sphinx.py
[{u'c': '64733237507-56788752464-03679578678-53343296505-31167207241-10603050901-64148678956-82738243332-73912678420-24566188603', u'k': 15324329, u'pad': '78326593386-76411244360-77646817949-14319822046-41963083322', u'id': 1}]
8.表結構：
root@mysqldb 18:06: [sbtest]> show create table sbtest1 \G
*************************** 1. row ***************************
Table: sbtest1
Create Table: CREATE TABLE `sbtest1` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`k` int(11) NOT NULL DEFAULT '0',
`c` char(120) NOT NULL DEFAULT '',
`pad` char(60) NOT NULL DEFAULT '',
PRIMARY KEY (`id`),
KEY `k_1` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=25000000 DEFAULT CHARSET=utf8mb4
測試環境中表sbtest1的數據有2500萬行,測試sql是select * from sbtest1 where c like '%03679578678%'。在MySQL執行這個sql的時候由於使用不了索引只能進行全表掃描，花費了將近4分鐘，但是在sphinx創建索引的時候也花費了70多秒的樣子。在索引創建成功之後基本上面執行python腳本或者使用mysql客戶端獲取得到的花費基本是在毫秒級別的。性能提升了很多，並且sphinx和MySQL的在創建索引成功之後之間就沒有鏈接了。並不會影響MySQL的操作，sphinx可以獨立部署到一臺服務器上面。
9.更新索引文件:增量更新索引文件
indexer --rotate test1
【Sphinx】MySQL+Sphinx 全文檢索的使用和測試