為什麼選 Coreseek？
- Sphinx 原版不支援中文分詞，需二次開發
- Coreseek 集成 MMSEG 中文分詞，開箱即用
- RPM/DEB 包安裝簡單，避免源碼編譯坑點
環境與安裝
# CentOS/RHEL 示例
yum install -y mmseg coreseek
# 或下載 RPM 手動安裝
rpm -ivh mmseg-*.rpm coreseek-*.rpm
中文詞典構建
- 獲取詞典文件：
unigram.txt（官方提供，可自行添加業務詞彙如「名卡」）
- 生成二進制詞庫：
mmseg -u unigram.txt # 生成 unigram.txt.uni
mv unigram.txt.uni uni.lib # 重命名為 Sphinx 識別名
- 放置路徑：
/var/mmseg/data/（對應 sphinx.conf 中 charset_dictpath）
核心配置文件 sphinx.conf 詳解
source tmsgs
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = 1
sql_db = phpwind75sp3
sql_port = 3306
sql_query_pre = SET NAMES gbk
sql_query = SELECT id, name, type, stock FROM pw_tools
sql_attr_uint = stock
}
index tmsgsindex
{
source = tmsgs
path = /var/mmseg/searchdata/beihai365
docinfo = extern
charset_type = zh_cn.gbk
charset_dictpath = /var/mmseg/data
min_word_len = 2
}
indexer
{
mem_limit = 128M
}
searchd
{
listen = 9312
log = /var/log/searchd.log
query_log = /var/log/query.log
read_timeout = 5
max_children = 30
pid_file = /var/log/searchd.pid
max_matches = 1000
}
關鍵配置項說明
| 參數 | 作用 | 建議值 |
|---|
| charset_type | 指定中文分詞類型 | zh_cn.gbk / zh_cn.utf8 |
| charset_dictpath | MMSEG 詞典目錄 | 含 uni.lib 的目錄 |
| sql_query_pre | 查詢前設置連接編碼 | SET NAMES gbk/utf8 |
| sql_attr_uint | 整數屬性（可用於過濾/排序） | stock, category_id 等 |
| min_word_len | 最小索引詞長度 | 2（中文單字也可檢索） |
索引構建與服務管理
# 構建所有索引
csft-indexer --all
# 構建單個索引
csft-indexer tmsgsindex
# 啟動搜索服務
csft-searchd
# 停止
csft-searchd --stop
# 測試查詢
csft-search "名卡"
PHP 客戶端整合
<?php
require_once 'sphinxapi.php';
$cl = new SphinxClient();
$cl->SetServer('localhost', 9312);
$cl->SetMatchMode(SPH_MATCH_ALL);
$cl->SetArrayResult(true);
$res = $cl->Query('名卡', '*');
print_r($res);
/*
輸出示例：
Array
(
[matches] => Array
(
[0] => Array
(
[id] => 8
[weight] => 1
[attrs] => Array ( [stock] => 100 )
)
)
[total] => 1
[total_found] => 1
[time] => 0.018
[words] => Array ( [名卡] => Array ( [docs] => 1 [hits] => 1 ) )
)
*/
常見問題排查
| 現象 | 原因 | 對策 |
|---|
| 啟動報 charset_dictpath 錯誤 | 詞典路徑錯誤或 uni.lib 缺失 | 確認路徑、重新 mmseg -u 生成 |
| 搜不到中文 | sql_query_pre 編碼與數據庫不一致 | 統一 SET NAMES utf8/gbk |
| 索引巨大 | 未設置屬性、全字段索引 | 只索引需搜索字段，其餘用 sql_attr_* |
| 查詢慢 | max_children 過小/無緩存 | 調大 max_children、啟用查詢緩存 |
生產化建議
- 使用 Systemd 管理 searchd 進程，開機自啟
- 定時任務
csft-indexer --rotate --all 增量重建（需配置 sql_query_range）
- 監控
query_log 分析慢查詢、熱詞
- 高可用：雙機熱備 + VIP 漂移或 DNS 輪詢
總結
Coreseek 以 MMSEG 解決中文分詞難題，配合 Sphinx 高性能檢索引擎，是中文全文搜索的經典選型。掌握詞典構建、配置調優、索引輪轉與 PHP 整合，可快速落地業務級搜索服務。
