Sphinx_Coreseek使用手册.pdf

Sphinx/Coreseek 使用手册 Author:Geloin 目 录 1 简介3 1.1 什么是Sphinx/Coreseek 3 1.2 Sphinx/Coreseek 的特性3 1.3 什么是SphinxSE 4 2 在windows 上安装和使用5 2.1 获取文件5 2.2 安装文件5 2.2.1 Coreseek 的安装5 2.2.2 SphinxSE 的安装5 2.3 配置及测试6 2.3.1 Coreseek 整体配置6 2.3.2 XML 源6 配置文件6 测试11 2.3.3 MySQL 源12 2.4 在Java 中的使用15 3 参考文件28 1 简介 1.1什么是Sphinx/Coreseek Sphinx 是一个在GPLv2 下分发的全文检索引擎；Coreseek 是一个可供企业使 用的、基于Sphinx （可独立于Sphinx 原始版本运行）的中文全文检索引擎，按 照GPLv2 协议发行，商业使用（例如, 嵌入到其他程序中）需要联系我们以获得 商业授权。 一般而言，Sphinx 是一个独立的全文搜索引擎；而Coreseek 是一个支持中文 的全文搜索引擎，意图为其他应用提供高速、低空间占用、高结果相关度的中文 全文搜索能力。Sphinx/Coreseek 可以非常容易的与SQL 数据库和脚本语言集成。 当前系统内置MySQL 和PostgreSQL 数据库数据源的支持，也支持从管道标 准输入读取入特定格式的XML 数据。通过修改源代码，用户可以自行增加新的 数据源（例如：其他类型的DBMS 的原生支持）。在最新的版本中，用户还可以 使用Python 脚本作为数据源来获取任何已知世界和未知世界的数据，这极大的 扩展了数据源的来源。 搜索API 支持PHP、Python、Perl、Rudy 和Java ，并且也可以用作MySQL 存 储引擎。搜索API 非常简单，可以在若干个小时之内移植到新的语言上。 Sphinx 是SQL Phrase Index 的缩写，但不幸的和CMU 的Sphinx 项目重名。 1.2Sphinx/Coreseek 的特性  高速的建立索引(在当代CPU 上，峰值性能可达到10 MB/秒);  高性能的搜索(在2 –4GB 的文本数据上，平均每次检索响应时间小于 0.1 秒);  可处理海量数据(目前已知可以处理超过100 GB 的文本数据, 在单一CPU 的系统上可处理100 M 文档);  提供了优秀的相关度算法，基于短语相似度和统计（BM25）的复合Ranking 方法;  支持分布式搜索;  提供文档片段（摘要以及高亮）生成功能;  可作为MySQL 的存储引擎提供搜索服务;  支持布尔、短语、词语相似度等多种检索模式;  文档支持多个全文检索字段(缺省配置下，最大不超过32 个);  文档支持多个额外的属性信息(例如：分组信息，时间戳等);  停止词查询;  支持单一字节编码和UTF-8 编码，以及对GBK 和BIG5 的完善支持;  支持英语、俄语词词干化和Soundex，以便进行词形学处理;  原生的MySQL 支持(同时支持MyISAM 和InnoDB );  原生的PostgreSQL 支持;  支持直接模拟为M