Centos 5.3环境安装Coreseek

3qwe

什么是Sphinx/Coreseek

Sphinx是一个在GPLv2下分发的全文检索引擎；Coreseek是一个可供企业使用的、基于Sphinx（可独立于Sphinx原始版本运行）的中文全文检索引擎，按照GPLv2协议发行，商业使用（例如, 嵌入到其他程序中）需要联系我们以获得商业授权。

一般而言，Sphinx是一个独立的全文搜索引擎；而Coreseek是一个支持中文的全文搜索引擎，意图为其他应用提供高速、低空间占用、高结果相关度的中文全文搜索能力。Sphinx/Coreseek可以非常容易的与SQL数据库和脚本语言集成。

当前系统内置MySQL和PostgreSQL 数据库数据源的支持，也支持从管道标准输入读取入特定格式的XML数据。通过修改源代码，用户可以自行增加新的数据源（例如：其他类型的DBMS的原生支持）。在最新的版本中，用户还可以使用Python脚本作为数据源来获取任何已知世界和未知世界的数据，这极大的扩展了数据源的来源。

搜索API支持PHP、Python、Perl、Rudy和Java，并且也可以用作MySQL存储引擎。搜索API非常简单，可以在若干个小时之内移植到新的语言上。

Sphinx 是SQL PhraseIndex的缩写，但不幸的和CMU的Sphinx项目重名。

Coreseek  http://www.coreseek.cn 为Sphinx在中国地区的用户提供支持服务.   

Sphinx  http://sphinxsearch.com/               

Sphinx/Coreseek 的特性

• 高速的建立索引(在当代CPU上，峰值性能可达到10MB/秒);

• 高性能的搜索(在2 – 4GB 的文本数据上，平均每次检索响应时间小于0.1秒);

• 可处理海量数据(目前已知可以处理超过100GB的文本数据, 在单一CPU的系统上可处理100 M 文档);

• 提供了优秀的相关度算法，基于短语相似度和统计（BM25）的复合Ranking方法;

• 支持分布式搜索;

• 提供文档片段（摘要以及高亮）生成功能;

• 可作为MySQL的存储引擎提供搜索服务;

• 支持布尔、短语、词语相似度等多种检索模式;

• 文档支持多个全文检索字段(缺省配置下，最大不超过32个);

• 文档支持多个额外的属性信息(例如：分组信息，时间戳等);

• 停止词查询;

• 支持单一字节编码和UTF-8编码，以及对GBK和BIG5的完善支持;

• 支持英语、俄语词词干化和Soundex，以便进行词形学处理;

• 原生的MySQL支持(同时支持MyISAM 和InnoDB );

• 原生的PostgreSQL支持;

• 支持直接模拟为MySQL服务端运行;

• 支持MMSeg分词引擎，用户可自定义词典;

• Python数据源支持，得以获取任何已知世界和未知世界的数据.

  
  

目前，Sphinx/Coreseek的发布包包括如下软件:

• indexer: 用于创建全文索引;

• search: 一个简单的命令行(CLI) 的测试程序，用于测试全文索引;

• searchd: 一个守护进程，其他软件可以通过这个守护进程进行全文检索;

• sphinxapi: 一系列searchd 的客户端API 库，用于流行的Web脚本开发语言(PHP, Python, Perl, Ruby, Java).

• spelldump: 一个简单的命令行工具，用于从 ispell 或 MySpell (OpenOffice内置绑定) 格式的字典中提取词条。当使用 wordforms 时可用这些词条对索引进行定制.

• indextool: 工具程序，用来转储关于索引的多项调试信息。此工具是从版本Coreseek 3.1(Sphinx 0.9.9-rc2)开始加入的。

• mmseg: 工具程序和库，Coreseek用于提供中文分词和词典处理。

  
  

安装前准备环境

yum install make gcc g++ gcc-c++ libtool make mysql-devel libxml2-devel expat-devel

官网参考地址：http://www.coreseek.cn/products/ ... _bsd_linux/RHEL5-5/

来到官网http://www.coreseek.com/下载Coreseek 3.2.14稳定版，解压进入目录。

# tar xf coreseek-3.2.14.tar.gz

# cd coreseek-3.2.14

配置语言支持中文

# export LANG="zh_CN.UTF-8"

# export LC_ALL="zh_CN.UTF-8"

# cat testpack/var/test/test.xml

安装coreseek开发的mmseg，为coreseek提供中文分词功能

# cd mmseg-3.2.14/

# ./bootstrap

# ./configure --prefix=/usr/local/mmseg3

# make && make install

中文分词测试

# /usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc src/t1.txt

中文/x 分/x 词/x 测试/x

中国人/x 上海市/x

Word Splite took: 0 ms.

安装coreseek

# cd csft-3.2.14/

# sh buildconf.sh

# ./configure --prefix=/usr/local/coreseek --without-python --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --without-mysql

#coreseek4.x/sphinx1.x，请将--without-mysql更改为--with-mysql

# make && make install

测试是否可以正常运行

# /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/sphinx-min.conf.dist

csft-4.0版显示：ERROR: nothing to do.

coreseek中文全文检索测试
# cd testpack/
# /usr/local/coreseek/bin/indexer -c etc/csft.conf

索引全部数据
# /usr/local/coreseek/bin/indexer -c etc/csft.conf -all

索引指定数据
# /usr/local/coreseek/bin/indexer -c etc/csft.conf xml

测试搜索
# /usr/local/coreseek/bin/search -c etc/csft.conf

测试搜索关键词
# /usr/local/coreseek/bin/search -c etc/csft.conf -a hello欢迎来到北京清华大学

开启搜索服务
# /usr/local/coreseek/bin/searchd -c etc/csft.conf
# 如要已启动服务，要更新索引，请使用 /usr/local/coreseek/bin/indexer-c etc/csft.conf --all --rotate
# 如要停止搜索服务，请使用 /usr/local/coreseek/bin/searchd-c etc/csft.conf --stop

然后，请参考csft-3.2.14下api目录中的相关文件，使用PHP、Python、Ruby、Java来测试搜索服务；也可以前往< ahref="/products-install/step_by_step/">搜索服务建立三步曲，查看第三步使用PHP测试。

通过以上步骤，coreseek已经安装测试完成，可以提供正常的xml数据源索引以及提供对应的搜索服务了，下一步工作，请查看手册，准备好mysql数据信息，以及进行mysql数据源的测试，并在您的应用中调用搜索服务；mysql数据源的配置可参考testpack/etc/csft_mysql.conf文件

官方文档地址：http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html