您现在的位置：程式碼之家 >> 編程語言 > >> 網頁程式設計 >> PHP 程式設計 >> PHP 相關知識

Sphinx 搜尋查詢流程全解析：從輸入到排序的四大核心步驟

編輯：PHP 相關知識

查詢處理管線概覽

Sphinx/Manticore 的查詢執行遵循標準資訊檢索流程，每階段可透過配置與 SphinxQL 語法精細控制：

步驟 1：查詢解析與詞法分析

使用者輸入的查詢字串經過 SphinxQL 解析器處理：

關鍵字提取：識別搜尋詞、運算子、修飾符
語法樹建構：建立布林邏輯樹（AND/OR/NOT、phrase、field 限定）
擴展重寫：套用 wordforms、exceptions、stopwords 等規則

-- SphinxQL 查詢範例
SELECT * FROM my_index 
WHERE MATCH('@title 機器學習 @content (教程|入門) -過時')
OPTION ranker=bm25, max_matches=1000;

步驟 2：語言處理（查詢端）

查詢詞經歷與索引建立相同的語言處理管線，確保匹配一致性：

字元正規化：charset_table 映射（全形→半形、大寫→小寫）
分詞：依索引設定（ngram/詞典分詞）切分查詢詞
詞幹提取：套用 morphology 規則（stemmer/lemmatizer）
停用詞過濾：移除 stopwords 列表中的詞

關鍵原則：查詢端處理必須與索引端完全一致，否則會導致「明明有資料卻搜不到」的問題。

步驟 3：索引掃描與文件匹配

核心檢索階段，在倒排索引中定位符合條件的文件：

倒排列表合併：根據布林邏輯合併多個 Term 的 Posting List
位置檢查：Phrase 查詢、鄰近度查詢需驗證詞位置
屬性過濾：套用 WHERE 條件（數值範圍、集合包含、日期過濾）
早期終止：max_matches 限制候選集大小，避免全量掃描

-- 內部執行邏輯示意
候選集 = PostingList('機器') ∩ PostingList('學習')  -- @title 欄位
候選集 = 候選集 ∪ (PostingList('教程') ∪ PostingList('入門'))  -- @content 欄位
候選集 = 候選集 - PostingList('過時')
候選集 = 候選集 ∩ 屬性過濾(category_id IN (1,2,3))
候選集 = TopN(候選集, max_matches=1000)

步驟 4：相關性排序與結果輸出

對候選文件計算分數並排序，支援多種 Ranker：

自定義排名表達式範例

SELECT *, WEIGHT() AS score FROM my_index
WHERE MATCH('關鍵字')
OPTION ranker=expr('sum(lcs*user_weight)*1000 + bm25 + log10(views+1)*50 - (now()-created_at)/86400*10');

支援函數：bm25, lcs, min_hit_pos, max_window, field_mask, user_weight 等。

查詢效能優化關鍵

Ranker	特點	適用場景
BM25（預設）	經典 TF-IDF 變體，平衡詞頻與文件長度	通用全文搜尋
SPH_RANK_PROXIMITY_BM25	結合詞距離與 BM25	Phrase/鄰近度查詢重要時
SPH_RANK_EXPR	自定義算術表達式	需結合業務權重（如熱度、時間、價格）
SPH_RANK_NONE	不計算分數，僅按屬性排序	純屬性排序、效能極致要求

策略	說明	配置/語法
限制候選集	避免全量掃描，降低 CPU/記憶體	`OPTION max_matches=1000`
欄位權重	標題匹配權重高於內容	`OPTION field_weights=(title=10, content=1)`
快速拒絕	先套用選擇性高的屬性過濾	WHERE 子句順序、索引欄位順序
查詢快取	重複查詢直接回傳結果	`qcache_max_bytes`, `qcache_thresh_msec`
分散式並行	分片並行查詢再合併	Distributed Index + `dist_threads`

進階功能：查詢建議與拼字修正

-- 關鍵字建議（基於索引詞頻）
CALL SUGGEST('機器學', 'my_index', 5 AS limit, 1 AS max_edits);

-- 同義詞展開查詢
SELECT * FROM my_index WHERE MATCH('@(title,content) (手機|智慧型手機)');

除錯與監控

-- 查看查詢計畫
SHOW PLAN FOR SELECT * FROM my_index WHERE MATCH('關鍵字');

-- 查看排名資訊
SELECT *, WEIGHT(), PACKEDFACTORS() FROM my_index WHERE MATCH('關鍵字') OPTION ranker=expr('bm25');

-- 監控慢查詢
-- log 查詢時間 > 100ms 的查詢
query_log_min_msec = 100