coreseek sphinx文件摘要

1.這些都可以用charset_type和charset_table選項為每個索引單獨配置.charset_type指定文件的編碼是單位元組的（sbcs）還是utf-8的。在coreseek中，如果通過charset_dictpath設定中文詞典啟動了中文分詞模式後，不僅可以使用utf-8編碼的，還可以使用gbk及big5的編碼（需要編譯時提供iconv支援）；但是在內部實現中，仍然是預先轉換成utf-8編碼在進行處理的.charset_table則指定了字母類字元到它們的大小寫轉換版本的對應表，沒有在這張表中出現的字元被認為是非字母類字元，並且在建立索引和檢索時被當作詞的分割符來看待。

在coreseek中，啟用中文分詞後，系統會使用mmseg內建的碼表（被硬編碼在mmseg的程式中），因此，charset_table在啟用分詞後將失效。

2.由於歷史原因，php api對結果集的行進行按文件id的有序hash，因此用php api進行對mva屬性的分組操作時你還需要使用 setarrayresult().

3.當採用外部儲存方式時，searchd總是在ram中保持乙份.spa檔案的拷貝（該檔案包含所有文件的所有文件資訊）。這是主要是為了提高效能，因為磁碟的隨機訪問太慢了。相反，內聯儲存並不需要任何額外的ram，但代價是索引檔案的體積大大地增加了；請注意，全部

屬性值在文件id出現的每一處

都被複製了乙份，而文件id出現的次數恰是文件中不同關鍵字的數目。僅當有乙個很小的屬性集、龐大的文字資料集和受限的ram時，內聯儲存才是乙個可考慮的選擇。在大多數情況下，外部儲存可令建立索引和檢索的效率都大幅提高。

檢索時，採用外部儲存方式產生的的記憶體需求為 (1+屬性總數)*文件總數*4位元組，也就是說，帶有兩個屬性和乙個時間戳的1千萬篇文件會消耗(1+2+1)*10m*4 = 160 mb的ram。這是每個檢索的守護程序（per daemon

）消耗的量，而不是每次查詢，searchd僅在啟動時分配160mb的記憶體，讀入資料並在不同的查詢之間保持這些資料。子程序並不會

對這些資料做額外的拷貝。

4.對於所有的基於sql驅動，建立索引的過程如下：

5. 索引系統需要通過主查詢來獲取全部的文件資訊，一種簡單的實現是將整個表的資料讀入記憶體，但是這可能導致整個表被鎖定並使得其他操作被阻止（例如：在myisam格式上的insert操作），同時，將浪費大量記憶體用於儲存查詢結果，諸如此類的問題吧。為了避免出現這種情況，coreseek/sphinx支援一種被稱為區段查詢的技術.首先，coreseek/sphinx從資料庫中取出文件id的最小值和最大值，將由最大值和最小值定義自然數區間分成若干份，一次獲取資料，建立索引。現舉例如下：

例 3.1. 範圍查詢用法舉例

# in sphinx.conf
sql_query_range	= select min(id),max(id) from documents
sql_range_step = 1000
sql_query = select * from documents where id>=$start and id<=$end

如果這個表（documents）中，欄位id的最小值和最大值分別是1 和2345，則sql_query將執行3次：

將$start替換為1，並且將$end替換為 1000;

將$start替換為1001，並且將$end替換為 2000;

將$start替換為2001，並且將$end替換為 2345.

顯然，這對於只有2000行的表，分割槽查詢與整個讀入沒有太大區別，但是當表的規模擴大到千萬級（特別是對於myisam格式的表），分割槽區段查詢將提供一些幫助。

6.合併兩個已有的索引比重新對所有資料做索引更有效率，而且有時候必須這樣做（例如在「主索引＋增量索引」分割槽模式中應合併主索引和增量索引，而不是簡單地重新索引「主索引對應的資料）

基本的命令語法如下：

indexer --merge dstindex srcindex [--rotate]

srcindex的內容被合併到dstindex中，因此只有dstindex索引會被改變。若dstindex已經被searchd於提供服務，則--rotate引數是必須的。最初設計的使用模式是，將小量的更新從srcindex合併到dstindex中。因此，當屬性被合併時，一旦出現了重複的文件id，srcindex中的屬性值更優先（會覆蓋dstindex中的值）。不過要注意，「舊的」關鍵字在這個過程中並不

會被自動刪除。例如，在dstindex中有乙個叫做「old」的關鍵字與文件123相關聯，而在srcindex中則有關鍵字「new」與同乙個文件相關，那麼在合併後用這兩個關鍵字都

能找到文件123。您可以給出乙個顯式條件來將文件從dstindex中移除，以便應對這種情況，相關的開關是--merge-dst-range:

indexer --merge main delta --merge-dst-range deleted 0 0

這個開關允許您在合併過程中對目標索引實施過濾。過濾器可以有多個，只有滿足全部過濾條件的文件才會在最終合併後的索引中出現。在上述例子中，過濾器只允許「deleted」為0的那些條件通過，而去除所有標記為已刪除（「deleted」）的記錄（可以通過呼叫updateattributes()設定文件的屬性）。

7.. rt實時索引定義

index rt

rt索引目前還在繼續開發完善中（從版本1.10-beta開始）。因此，他可能缺乏某些特定的功能：例如，字首/中綴索引，mva屬性等目前尚不支援。但是，所有常規索引功能和搜尋功能都已經實現，並且經過了內部的測試。我們還有一些實際運營生產環境（並非最不重要的部分）已經在使用rt索引，並且取得了較好的效果。

coreseek sphinx文件摘要

NSSpeechSynthesizer 文字變語音

FileSystemWatcher判斷檔案複製完成

Vmware Window Linux 共享資料夾

coreseek sphinx文件摘要

NSSpeechSynthesizer 文字變語音

FileSystemWatcher判斷檔案複製完成

Vmware Window Linux 共享資料夾

相關推薦