sphinx实现模糊查询

一、需求

1.假设能做网有两个子域名：blog.nengzuo.com, www.nengzuo.com,  我需要在搜索.nengzuo.com时，能把包含两个子域名和自己的都搜出来。

2.因为量比较大（亿级），所以要求尽量使索引速度最快，占用资源最少。

二、思路

A.首先，因为域名中含有字符'-'和'.',所以需要在charset_table中把这俩字符加进去。

1 2	charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, U+FF21..U+FF3A->a..z,\ A..Z->a..z, a..z,U+002e,U+002d

其次，如果想实现模糊查询，需要将中辍值设为>0，并且不能指定infix_field。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

morphology = none     # 索引词最小长度     min_word_len = 0     #enable_star = 1     #prefix_fields = domain     #infix_fields = domain     #ignore_chars = -       # 数据编码(设置成utf8才能索引中文)     charset_type = utf-8     charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, U+FF21..U+FF3A->a..z,\ A..Z->a..z, a..z,U+002e,U+002d     # 最小索引前缀长度     min_prefix_len = 0     # 最小索引中缀长度     min_infix_len = 1     # 对于非字母型数据的长度切割(for CJK indexing)     ngram_len = 1     # 对否对去除用户输入查询内容的html标签     html_strip = 0

min_infix_len的值可以设置大一点，但无论怎样配置，消耗的资源（包括时间和空间）都是几十倍的增涨。实在令人难以承受。

B.不用中辍，不用charset_table，配置如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

index page_fact1 {     # 索引源声明     source = src_page_fact1     #source = src_page_fact2     #source = src_page_fact3        # 索引文件的存放位置     path = /data/sphinx-chinese/data_search_1/page_fact1     # 文件存储模式(默认为extern)     docinfo = extern     # 缓存数据内存锁定     mlock = 0     # 马氏形态学(对中文无效)     morphology = none     # 索引词最小长度     min_word_len = 0     enable_star = 1     #prefix_fields = domain     #ignore_chars = -       # 数据编码(设置成utf8才能索引中文)     charset_type = utf-8     # 最小索引前缀长度     min_prefix_len = 0     # 最小索引中缀长度     min_infix_len = 0     # 对于非字母型数据的长度切割(for CJK indexing)     ngram_len = 1     # 对否对去除用户输入查询内容的html标签     html_strip = 0 }

最关键的地方是要在查询的时候的要以句子表达式来约束主域名，即把原来查询条件用引号括起来：

1	mysql> select * from page_fact1 where match('".nengzuo.com"');