Поиск? Sphinx!

ПОИСК? Роман Семирук

SPHINX!

НО СНАЧАЛА...

Очень корпоративный сайт

Блог с кучей статей

БД вакансий

ПОЛНОТЕКСТОВЫЙ ПОИСКключевое слово

Все любят сниппеты

СНИППЕТЫключевое слово

Кластеризация, она же группировка

КЛАСТЕРИЗАЦИЯключевое слово

Более лучшие сложные фильтры...

ФИЛЬТРАЦИЯключевое слово

Двусторонняя сортировка

СОРТИРОВКАключевое слово

ПОВЫШАЕМ ГРАДУС ГИКОВОСТИ

ДОКУМЕНТЫключевое слово

АТРИБУТЫключевое слово

ИНДЕКСключевое слово

ЯЗЫК ЗАПРОСОВключевое слово

МОРФОЛОГИЧЕСКИЙАНАЛИЗ

ключевое слово

РЕЛЕВАНТНОСТЬключевое слово

РАНКЕР / РАНЖИРОВАНИЕключевое слово

НО И ЭТО НЕ ВСЁ

МАСШТАБИРОВАНИЕключевое слово

НЕПОЛНОТЕКСТОВЫЙПОИСК

ключевое слово

И никто даже не догадывается...

полнотекстовый поискфильтрациясортировкагруппировкасниппетыработа с существующими документамиширокий набор атрибутовбыстрая индексациягибкий язык запросовморфологический анализаторуправление релевантностьюмасштабируемостьскоростькачествостоимость

Обычные требования к поиску

РЕКЛАМНАЯ ПАУЗА

SQL PHRASE INDEXоказывается, это...

НАБОР СПЕЦИАЛИЗИРОВАННЫХ ПРИЛОЖЕНИЙ*

* indexer, searchd, search, spelldump, indextool, wordbreaker

ШАРАGPL2

БЫСТРО. ОЧЕНЬ.

ИНДЕКСАЦИЯдо 10-15 МБ/сек на ядро*

* CPU решает

ПОИСКдо 250 запросов в секунду

на каждое ядро с 1 000 000 документов *

* зависит от размера индекса

MYSQLPOSTGRESQLMS SQLORACLEXML

ИСТОЧНИКИ

NATIVE. FAST.

ВЫСОКАЯ МАСШТАБИРУЕМОСТЬ*

* доказано британскими учёными

CRAIGSLIST.ORG250 миллионов запросов в деньнесколько миллиардов документовкластер из 15 инстансов Sphinx

LINUXBSDOS XWINDOWS

ПЛАТФОРМЫ

АРХИТЕКТУРЫ x86x86_64SPARC64ARM

API*

* PHP, Perl, Java, Python, Ruby и некоторые другие

SQL-подобный язык запросовSphinxQL

ПОЛИГЛОТрусский

françaisespañol

italiano

deutsch

svensk

suomalainen

english

čeština

العربية

ГИБКИЕ НАСТРОЙКИтачка на прокачку

РАНКЕРЫранжирование, релевантность и всё такое

до 256 полей для индексации на один индексдо 32-х атрибутов различных типов

* хватит на все случаи жизни

АТРИБУТЫ unsigned integersfloating point valuesboolstringsunix timestampMVA – multi-value attributesJSON (new)

СНИППЕТЫ

RTFM, please

WORKFLOW

searchd & indexerэто...

SQLdatabase

index_file.spa index_file.sph index_file.spk index_file.sppindex_file.spdindex_file.spiindex_file.spm index_file.sps

searchdindexer

searchd

index_file.spa index_file.sph index_file.spk index_file.sppindex_file.spdindex_file.spiindex_file.spm index_file.sps

indexerAPP

cron

SQLdatabase

Disk или RT?

* мир перевернулся, индексы бывают разные

DISK RT

DISK RTpull push

DISK RTpullэффективная структура

pushфрагментация

DISK RTpullэффективная структурамонолит

pushфрагментацияобновление на лету

DISK RTpullэффективная структурамонолитдельта-индексы

pushфрагментацияобновление на летучастые дампы

DISK RTpullэффективная структурамонолитдельта-индексы

pushфрагментацияобновление на летучастые дампы

ПРАКТИКУМ

$ apt-get install sphinx

$ brew install sphinx

Ubuntu

OS X

$ ./configure --with-pgsql$ make$ make install

DIY

sphinx.conf

sphinx.conf | connection

source common{ type = pgsql sql_host = localhost sql_user = sphinx sql_pass = sphinx sql_db = megaportal}

sphinx.conf | source description

source company: common{ sql_query =\ SELECT company.id, \ company.name, \ company.date_created \ FROM company

sql_field_string = name sql_attr_timestamp = date_created}

sphinx.conf | source description

source company: common{ sql_query =\ SELECT company.id, \ company.name, \ company.date_created \ FROM company

sql_field_string = name sql_attr_timestamp = date_created}

выборка

атрибуты

sphinx.conf | index description

index common{ type = plain morphology = stem_en, stem_ru min_word_len = 2 charset_type = utf-8 html_strip = 1 html_remove_elements = script html_index_attrs = img=alt,title; a=title;

min_stemming_len = 3 min_infix_len = 3 enable_star = 1 ...}

sphinx.conf | index description

index common{ type = plain morphology = stem_en, stem_ru min_word_len = 2 charset_type = utf-8 html_strip = 1 html_remove_elements = script html_index_attrs = img=alt,title; a=title;

min_stemming_len = 3 min_infix_len = 3 enable_star = 1 ...}

«джентельменский набор»

десятки других опций

sphinx.conf | index description

index company: common{ source = company path = /path/to/index_files/megaportal}

sphinx.conf | indexer tuning

indexer{ mem_limit = 512M}

sphinx.conf | indexer tuning

searchd{ listen = 9306:mysql41 log = /path/to/logs/searchd.log query_log = /path/to/logs/query.log pid_file = /path/to/pid/searchd.pid}

sphinx.conf | fatality

source common{ type = pgsql sql_host = localhost sql_user = sphinx sql_pass = sphinx sql_db = megaportal}

source company: common{ sql_query =\ SELECT company.id, \ company.name, \ company.date_created \ FROM company

sql_field_string = name sql_attr_timestamp = date_created}

index common{ type = plain morphology = stem_en, stem_ru min_word_len = 2 charset_type = utf-8 html_strip = 1 html_remove_elements = script html_index_attrs = img=alt,title; a=title;

min_stemming_len = 3 min_infix_len = 3 enable_star = 1}

index company: common{ source = company path = /path/to/index_files/megaportal}

indexer{ mem_limit = 512M}

searchd{ listen = 9306:mysql41 log = /path/to/logs/searchd.log query_log = /path/to/logs/query.log pid_file = /path/to/pid/searchd.pid}

описаниедокументов

описаниеиндексов

indexer + searchd

$ indexer -c /path/to/sphinx.conf --all

Sphinx 2.0.6-release (r3473)Copyright (c) 2001-2012, Andrew AksyonoffCopyright (c) 2008-2012, Sphinx Technologies Inc(http://sphinxsearch.com)

using config file '/path/to/sphinx.conf'...indexing index 'common'...ERROR: index 'common': no valid sources configured; skipping.indexing index 'company'...collected 1066244 docs, 28.7 MBsorted 2.3 Mhits, 100.0% donetotal 1066244 docs, 28735925 bytestotal 11.452 sec, 2509034 bytes/sec, 93097.50 docs/sectotal 60 reads, 0.019 sec, 495.0 kb/call avg, 0.3 msec/call avgtotal 127 writes, 0.053 sec, 471.7 kb/call avg, 0.4 msec/call avgrotating indices: successfully sent SIGHUP to searchd (pid=56606).

$ searchd -c /path/to/sphinx.conf

SphinxQLAPI

$ mysql -h 0 -P 9306Welcome to the MySQL monitor. Commands end with ; or \g.Your MySQL connection id is 1Server version: 2.0.6-release (r3473)

Copyright (c) 2000, 2013, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or itsaffiliates. Other names may be trademarks of their respectiveowners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql>

mysql> select * from company where match('тнк');+--------+--------+--------------+----------+| id | status | date_created | owner_id |+--------+--------+--------------+----------+| 5015 | 6 | 2008 | 5019 || 25502 | 3 | 2009 | 25507 || 39771 | 6 | 2009 | 39776 || 152307 | 1 | 2010 | 152380 || 183905 | 3 | 2010 | 184097 || 194302 | 6 | 2010 | 194517 || 218982 | 1 | 2011 | 219439 || 235881 | 3 | 2011 | 236408 || 287319 | 3 | 2011 | 288131 || 338476 | 3 | 2011 | 339574 || 340073 | 6 | 2011 | 341177 || 471410 | 2 | 2012 | 473498 || 513023 | 0 | 2012 | 515276 || 768093 | 1 | 2012 | 770983 || 823359 | 6 | 2012 | 826706 || 915374 | 3 | 2013 | 919765 |+--------+--------+--------------+----------+16 rows in set (0.00 sec)

mysql> select * from company where match('тнк') and date_created between 2010 and 2012;+--------+--------+--------------+----------+| id | status | date_created | owner_id |+--------+--------+--------------+----------+| 152307 | 1 | 2010 | 152380 || 183905 | 3 | 2010 | 184097 || 194302 | 6 | 2010 | 194517 || 218982 | 1 | 2011 | 219439 || 235881 | 3 | 2011 | 236408 || 287319 | 3 | 2011 | 288131 || 338476 | 3 | 2011 | 339574 || 340073 | 6 | 2011 | 341177 || 471410 | 2 | 2012 | 473498 || 513023 | 0 | 2012 | 515276 || 768093 | 1 | 2012 | 770983 || 823359 | 6 | 2012 | 826706 |+--------+--------+--------------+----------+12 rows in set (0.01 sec)

mysql> SHOW META;+---------------+--------+| Variable_name | Value |+---------------+--------+| total | 6 || total_found | 6 || time | 0.000 || keyword[0] | тнк || docs[0] | 16 || hits[0] | 16 |+---------------+--------+6 rows in set (0.00 sec)

mysql> DESC company;+--------------+-----------+| Field | Type |+--------------+-----------+| id | integer || name | field || status | uint || date_created | timestamp || owner_id | uint |+--------------+-----------+5 rows in set (0.00 sec)

REAL LIFE

«Порционный» запрос

source company: common{ sql_query_range =\ SELECT MIN(id), MAX(id) from company sql_range_step = 10000

sql_query =\ SELECT company.id, \ company.name, \ company.date_created \ FROM company \ WHERE company.id BETWEEN $start AND $end

sql_field_string = name sql_attr_timestamp = date_created}

Расширяем «охват» индекса

source company: common{ ... sql_query =\ SELECT company.id, \ company.name, \ company.date_created, \ "user".email as owner_email \ FROM company \ LEFT JOIN "user" \ ON company.owner_id = "user".id \ WHERE company.id BETWEEN $start AND $end

sql_field_string = name sql_field_string = owner_email sql_attr_timestamp = date_created}

One-to-many? M2M? MVA!

source company: common{ ... sql_field_string = name sql_field_string = owner_email sql_attr_timestamp = date_created

sql_attr_multi =\ uint products from ranged-query; \ SELECT company_id, id FROM product \ WHERE id >= $start AND id <= $end; \ SELECT MIN(id), MAX(id) FROM product}

mysql> select name, products from company where match('тнк') and products in (109503, 1123362); +------------------------------+----------+| name | products |+------------------------------+----------+| ТНК-Транс | 109503 || ООО «ТНК-Транс» | 1123362 |+------------------------------+----------+2 rows in set (0.00 sec)

Δ-индексы

* такие же как обычные, только маленькие и другие

Процесс индексации

пред-запросы пост-запросы

перестройка индекса

пост-обработка

выборка

1 2 3 54

* открытие-закрытие соединений не указаны

source company: common{ sql_query_pre = SET @maxts:=(SELECT NOW())

sql_query = SELECT company.id, company.name FROM company \ WHERE company.created_at < @maxts ...

sql_query_post =\ REPLACE INTO search_deltacounters \ VALUES (@id, 'company_tmp', @maxts)

sql_query_post_index =\ DELETE FROM search_deltacounters \ WHERE tablename='company'

sql_query_post_index =\ UPDATE search_deltacounters \ SET tablename='company' WHERE tablename='company_tmp'}

Модифицируем основной индекс

source company_delta: company{ sql_query_pre =\ SET @maxts=(SELECT maxts FROM search_deltacounters \ WHERE tablename='company')

sql_query = SELECT company.id, company.name FROM company \ WHERE company.created_at >= @maxts ...

sql_query_post = sql_query_post_index =}

Создаём дельту

index company_delta: common{ source = company_delta path = /path/to/indexes/megaportal}

$ indexer -c /path/to/sphinx.conf company_delta --rotate

mysql> select * from company, company_delta where match('тнк');+--------+--------+--------------+----------+| id | status | date_created | owner_id |+--------+--------+--------------+----------+| 5015 | 6 | 2008 | 5019 || 25502 | 3 | 2009 | 25507 || 39771 | 6 | 2009 | 39776 || 152307 | 1 | 2010 | 152380 || 183905 | 3 | 2010 | 184097 || 194302 | 6 | 2010 | 194517 || 218982 | 1 | 2011 | 219439 || 235881 | 3 | 2011 | 236408 || 287319 | 3 | 2011 | 288131 || 338476 | 3 | 2011 | 339574 || 340073 | 6 | 2011 | 341177 || 471410 | 2 | 2012 | 473498 || 513023 | 0 | 2012 | 515276 || 768093 | 1 | 2012 | 770983 || 823359 | 6 | 2012 | 826706 || 915374 | 3 | 2013 | 919765 |+--------+--------+--------------+----------+16 rows in set (0.00 sec)

А питон?..

:(

https://github.com/semirook/sphinxit

НЕ ORM

https://github.com/semirook/sphinxit

Лёгкийконструктор SphinxQL-запросов

https://github.com/semirook/sphinxit

https://github.com/semirook/sphinxit

Oursql & MySQLdb

Framework-free

https://github.com/semirook/sphinxit

https://github.com/semirook/sphinxit

Python 2 & 3спасибо, six

https://github.com/semirook/sphinxit

Тесты :)спасибо, тесты

$ pip install sphinxit

sphinxit | config

class SearchConfig(object): DEBUG = True WITH_META = True WITH_STATUS = True SEARCHD_CONNECTION = { 'host': '127.0.0.1', 'port': 9306, }

sphinxit | usage

from sphinxit.core.processor import Search, Snippet

company_search = ( Search( indexes=['company'], config=SearchConfig ) .match('ТНК'))

SELECT * FROM company WHERE MATCH('ТНК')

sphinxit | usage

search = Search(['company'], config=SearchConfig)search = ( search .match('ТНК') .select('id', 'name') .options( ranker='proximity', max_matches=100, ) .order_by('name', 'desc'))

SELECT id, name FROM company WHERE MATCH('ТНК')ORDER BY name DESC OPTION max_matches=100, ranker=proximity

sphinxit | usage

search = Search(['company'], config=SearchConfig) search = ( search .match('ТНК') .filter(date_created__lte=datetime.date.today()))results = search.ask()

SELECT * FROM companyWHERE MATCH('ТНК') AND date_created<=1370552400

sphinxit | result

{ u'result': [ { 'date_created': 2008L, 'owner_email': u'5019@example.com', 'products': u'2,5', 'id': 5015L, 'name': u'\u0422\u041d\u041a', }, { 'date_created': 2009L, 'owner_email': u'25507@example.com', 'products': u'2,5', 'id': 25502L, 'name': u'\u0422\u041d\u041a \u0418\u043d\u0442\u0435\u0440\u043', } ], ... u'meta': { u'total': u'16', u'total_found': u'16', u'docs[0]': u'16', u'time': u'0.000', u'hits[0]': u'16', u'keyword[0]': u'\u0442\u043d\u043a' }}

sphinxit | update syntax

search = Search(['company'], config=SearchConfig)search = ( search .match('ТНК') .update(products=(5,2)) .filter(id__gt=1))

UPDATE company SET products=(5,2) WHERE MATCH('ТНК') AND id>1

sphinxit | snippets syntax

snippets = ( Snippet(index='company', config=SearchConfig) .for_query("Me amore") .from_data("amore", "amore mia"))

CALL SNIPPETS ( ('amore', 'me amore'), 'company', 'Me amore');

{ u'result': [ {'snippet': u'<b>amore</b>'}, {'snippet': u'<b>amore</b> mia'} ]}

sphinxit | snippets syntax

snippets = ( Snippet(index='company', config=SearchConfig) .for_query("Me amore") .from_data("amore mia") .options( before_match='<strong>', after_match='</strong>', ))

CALL SNIPPETS ( 'amore mia', 'company', 'Me amore', '<strong>' AS before_match, '</strong>' AS after_match)

Pull requests, pleasehttps://github.com/semirook/sphinxit

http://sphinxsearch.com/docs/

So, you want to know more?..

http://sphinxsearch.com/forum/

СПАСИБО!

@semirooksemirook@gmail.com