Sphinx & Coreseek

Sphinx

使用背景

当对大文本对数据进行单词匹配查询时，如：有一个歌曲网站，数据库中收集着上百万首歌曲的信息，如果要查询出歌词中带“爱情”带所有歌曲，典型的做法是执行如下SQL语句。

select * from songs where content like "%爱情%".

但是在mysql中以%开头的查询无法使用所有，所以这条sql语句将执行权标扫描，性能极差。MylSAM引擎中的全文所有是专门对文本创建索引对，但对中文对支持不好。

好的解决方案，使用sphinx!

传统的sphinx技术

英文：1. today is mondy,the wearther is ranning.

           2. tomorrow is tuesday, the wearther is sunning

把整个文档按照空格进行分词，去掉一些修饰词，形成以下词组:

  today monday weather ranning tomorrow sunning

中文没法进行分词

说明 sphinx 分词技术只有针对英文 不支持中文 

Coreseek

第一步 对于数据源建立索引

第二步 执行查询 返回查询到单词所在，mysql里面记录的id

php要把查询的单词给sphinx软件，软件拿到要查询的单词后，从索引里面进行匹配 该单词在mysql表里面记录的id

php拿到单词所在的额id后，根据该id去mysql里面查找数据

什么是Coreseek

Coreseek是一款中文全文检索/搜索软件，基于Sphinx研发并独立发布，专攻中文搜索和信息处理领域，适用于行业/垂直搜索、论坛/站内搜索 数据库搜索 文档、文献检索 信息检索 数据挖掘等应用场景

下载 http://www.coreseek.com/ 地址(已经不能用啦！)