Sphinx增量索引实例

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. CREATETABLEsph_counter(
  2. counter_idINTEGERPRIMARYKEYNOTNULL,
  3. max_doc_idINTEGERNOTNULL
  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. CREATETABLE`sphinx`(
  2. `id`int(11)NOTNULL,
  3. `weight`int(11)NOTNULL,
  4. `query`varchar(255)NOTNULL,
  5. `CATALOGID`INTNOTNULL,
  6. `EDITUSERID`INTNOTNULL,
  7. `HITS`INTNULL,
  8. `ADDTIME`INTNOTNULL, KEY
  9. `Query`(`Query`)
  10. )ENGINE=SPHINXDEFAULTCHARSET=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. // 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
  11. source src1throttled : src1
  12. {
  13. sql_ranged_throttle = 100
  14. sql_query_pre = SET NAMES utf8
  15. sql_query_pre = SET SESSION query_cache_type=OFF
  16. sql_query_pre =
  17. sql_query = SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content FROM documents \
  18. WHERE id>( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )
  19. }
  20. index test1 //主索引
  21. {
  22. source = src1
  23. }
  24. index test1stemmed : test1 //增量索引
  25. {
  26. source = src1throttled
  27. }

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. INSERTINTO`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. SELECTdoc . *
  2. FROMdocumentsdoc
  3. JOINsphinxON(doc.id = sphinx.id)
  4. WHEREquery = 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. SELECTdoc.* FROMdocumentsdocjoinsphinx1on(doc.id=sphinx1.id)wherequery=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. SELECTdoc.* FROMdocumentsdocjoinsphinx1on(doc.id=sphinx1.id)wherequery=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. SELECTdoc.* FROMdocumentsdocjoinsphinxon(doc.id=sphinx.id)wherequery=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(更新主索引)
  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 (更新增量索引)
  4. #/usr/local/sphinx/bin/indexer –merge test1 test1stemmed –config /usr/local/sphinx/etc/sphinx.conf –rotate >> /var/log/sphinx/deltaindexlog (合并增量索引)
  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