Sphinx增量索引

╰半橙微兮° 2022-06-17 13:08 216阅读 0赞

sphinx创建索引之后，如果我们的数据库又增加了一条数据，需要重新创建索引。但是如果数据量十分庞大时，每次都重新创建索引显然是不合适的。

我们希望实现的效果是，每次都只创建新增的数据的索引。

## 增量索引实现原理 ##

假设现在数据库中有三条数据，id分别为1，2，3。

使用indexer命令为这三条数据创建索引，并把`max_doc_id=3`记录到一张表（`sphinx_counter`）中，表示当前主索引已经创建了`id<=3`的所有数据的索引

假设此时有新的数据插入，id为4，5。然后为这两条新数据创建索引，称之为***增量索引***，同时更新`sphinx_counter`表，`max_doc_id=5`

最后使用`indexer --merge`将增量索引合并到主索引中

`sphinx_counter`表结构如下：

DROP TABLE IF EXISTS `sphinx_counter`;
    CREATE TABLE `sphinx_counter` ( `counter_id` int(11) NOT NULL COMMENT '标识不同的数据表', `max_doc_id` int(11) NOT NULL COMMENT '文档已索引的最大id', PRIMARY KEY (`counter_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

## 增量索引配置 ##

#===================数据源配置=================
    
    #主索引数据源
    source article_src 
    {
        type            = mysql
    
        sql_host        = localhost
        sql_user        = root 
        sql_pass        = root  
        sql_db          = sphinx 
        sql_port        = 3306  # optional, default is 3306
    
        sql_query   = SELECT id, content,createtime FROM article WHERE id<=( SELECT max_doc_id FROM sphinx_counter WHERE counter_id=1 ) sql_query_pre = SET NAMES utf8 sql_query_pre = SET SESSION query_cache_type=OFF #创建主索引时，将最大文档id插入到sphinx_counter表中 sql_query_pre = REPLACE INTO sphinx_counter SELECT 1, MAX(id) FROM article } #增量索引数据源 source article_delta_src: article_src { sql_query_pre = SET NAMES utf8 sql_query_range = sql_range_step = 10000 #增量索引只查询新增的数据 sql_query = SELECT * FROM article where id>( SELECT max_doc_id FROM sphinx_counter WHERE counter_id=1 ) # 增量索引创建完成之后，更新最大的doc_id sql_query_post = UPDATE sphinx_counter SET max_doc_id=(SELECT MAX(id) FROM article) where counter_id=1 } #===================索引配置================= #主索引 index article_index { source = article_src path = /usr/local/sphinx/var/data/article } #增量索引 index article_delta_index : article_index { source = article_delta_src path = /usr/local/sphinx/var/data/article_delta } indexer { mem_limit = 128M } searchd { listen = 9312 listen = 9306:mysql41 log = /usr/local/sphinx/var/log/searchd.log query_log = /usr/local/sphinx/var/log/query.log read_timeout = 5 max_children = 30 pid_file = /usr/local/sphinx/var/log/searchd.pid seamless_rotate = 1 preopen_indexes = 1 unlink_old = 1 workers = threads # for RT to work binlog_path = /usr/local/sphinx/var/data }

## 定时索引任务 ##

我们要写一个增量索引的脚本，定时去执行这个脚本

#!/bin/bash
    #创建增量索引
    /usr/local/sphinx/bin/indexer article_delta_index --rotate
    #合并增量索引和主索引
    /usr/local/sphinx/bin/indexer --merge article_index article_delta_index --rotate

`--rotate`表示通知searchd进程有索引更新了，如果没有这个参数，必须停止searchd进程才能创建索引

一般情况我们也会创建一个主索引脚本，每天半夜无人时去执行一次，来全部重新创建索引

#!/bin/bash 
    /usr/local/sphinx/bin/indexer article_index --rotate

## 注意 ##

1.  如果不合并增量索引和主索引，每次创建增量索引都会覆盖之前创建的增量索引，导致索引丢失
2.  合并索引时的IO消耗是索引文件大小的两倍，假设主索引文件大小是100G，增量索引大小是2G，那么IO消耗是`(100+2)*2 = 204G`，虽然IO消耗大，但相比全部重新创建索引来说，还是小得多。