在分析sphix原理之前，我先澄清一下為什麼經常出現coreseek這個詞？
因為sphinx預設不支援中文索引及檢索，而coreseek基於sphinx開發了coreseek全文檢索伺服器，它提供了為sphinx設計的中文分詞包libmmseg包含mmseg中文分詞，是目前用的最多的sphinx中文檢索。
在沒有sphinx之前，mysql資料庫要對海量的文章中的詞進行全文索引，一般用的語句例如：select *** where *** like '%word%';這樣的like查詢，並且再結合萬用字元%，是使用不到mysql本身的索引，需要全表掃瞄，時間超慢的！
如果用到sphinx，全文索引交給sphinx來做，sphinx返回含有該word的id號，然後用該id號直接去資料庫準確定位那些資料，整個過程如下圖：
sphinx的索引檔案儲存的不是完整的資料，只是由id和分詞組成的陣列，由於索引檔案不同直接檢視，但我們可以通過search工具來驗證：
先建索引：
/usr/local/coreseek/bin/indexer -c
/usr/local/coreseek/etc/sphinx.conf
coreseek fulltext 4.1 [ sphinx 2.0.2-dev
(r2922)]
beijing choice software technologies inc
( 再通過search 查詢單詞test:
/usr/local/coreseek/bin/search test -c
/usr/local/coreseek/etc/sphinx.conf
coreseek fulltext 4.1 [ sphinx 2.0.2-dev
(r2922)]
beijing choice software technologies inc
( using config file '/usr/local/coreseek/etc/sphinx.conf'...
index 'test1': query 'test ': returned 3
matches of 3 total in 0.050 sec
displaying matches:
1. document=1, weight=2421, group_id=1,
date_added=thu jan 8 21:43:32 2015
id=1
group_id=1
group_id2=5
date_added=2015-01-08
21:43:32
title=test
one
content=this
is my test document number one. also checking search within phrases.
2. document=2, weight=2421, group_id=1,
date_added=thu jan 8 21:43:32 2015
id=2
group_id=1
group_id2=6
date_added=2015-01-08
21:43:32
title=test
two
content=this
is my test document number two
3. document=4, weight=1442, group_id=2,
date_added=thu jan 8 21:43:32 2015
id=4
group_id=2
group_id2=8
date_added=2015-01-08
21:43:32
title=doc
number four
content=this
is to test groups
words:
1. 'test': 3 documents, 5 hits
再通過search 查詢單詞this:
/usr/local/coreseek/bin/search this -c
/usr/local/coreseek/etc/sphinx.conf
coreseek fulltext 4.1 [ sphinx 2.0.2-dev
(r2922)]
beijing choice software technologies inc
( using config file
'/usr/local/coreseek/etc/sphinx.conf'...
index 'test1': query 'this ': returned 4
matches of 4 total in 0.000 sec
displaying matches:
1. document=1, weight=1304, group_id=1,
date_added=thu jan 8 21:43:32 2015
id=1
group_id=1
group_id2=5
date_added=2015-01-08
21:43:32
title=test
one
content=this
is my test document number one. also checking search within phrases.
2. document=2, weight=1304, group_id=1,
date_added=thu jan 8 21:43:32 2015
id=2
group_id=1
group_id2=6
date_added=2015-01-08
21:43:32
title=test
two
content=this
is my test document number two
3. document=3, weight=1304, group_id=2,
date_added=thu jan 8 21:43:32 2015
id=3
group_id=2
group_id2=7
date_added=2015-01-08
21:43:32
title=another
doc
content=this
is another group
4. document=4, weight=1304, group_id=2,
date_added=thu jan 8 21:43:32 2015
id=4
group_id=2
group_id2=8
date_added=2015-01-08
21:43:32
title=doc
number four
content=this
is to test groups
words:
1. 'this': 4 documents, 4 hits
主要返回的是含有表id和命中率的陣列。
注意：不知道大家有沒有想到乙個致命的問題，建立了sphinx全文索引後，如果在mysql中新增加資料，不重新indexer一下，sphinx索引是搜尋不到的！即使是加引數–rotate,資料多的情況下，也要很長時間，這個問題怎麼解決呢！明天就來講主索引和增量索引，以及用cron來處理新資料自動加入增量索引中。
補充：
Sphinx4語音識別的框架
sphinx4主要由三個基本模組構成 frontend，decoder，linguist。frontend接受訊號的輸入並且轉化為特徵序列。linguist把任何型別的標準語言模型，字典的發音資訊以及一些聲學模型的結構資訊轉換為乙個searchgraph。在decoder 中的searchmanag...
例項講解4 awk命令e續
注 p最小為1，當p為0時，p被置為1 n個字元包括p所在字元。system cmd 執行命令並返回出口狀態 toupper s 將輸入引數s中的字元全部轉換為大寫字元並返回轉換後的字串 tolower s 將輸入引數s中的字元全部轉換為小寫字元並返回轉換後的字串 close expr 關閉由exp...
設計模式（4） 觀察者模式（續）
簡單工廠模式和工廠模式是用來例項化類的一種設計模式，工廠模式相比簡單工廠模式實現了所有要例項化類的抽象，並根據該抽象類的子類來實現各個類的例項化物件，該方式充分體現了依賴倒置原則，充分體現了針對介面程式設計而不是針對實現程式設計的原理 模式是一種十分好理解的設計模式，首先是有乙個抽象的功能類，包含了...