xunsearch增量索引改进版 - PHP

最近测试了xunserach全文索引程序。xunsearch只有LINUX版，所以想用windows服务器请使用其它全文索引程序。xunsearch本身不像coreseek那样自带增量索引的功能，所以很多从coreseek转过来的朋友很是不习惯。不过xunsearch拥有很多的API和案例，使用这些程序很容易做出自己的增量索引脚本，只需要把这些脚本添加到LINUX服务器任务里就可以实现增量索引了。

下面是实现增量索引的PHP程序，修改好账号密码，索引sql语句后把这个文件添加到crontab任务里就可以。

/**

 * 索引实时更新管理器

 * 判断标准：

 * 添加：pass_state=1 && create_time>

   

文件记录值

 * 修改：pass_state=1 && edit_time> 文件记录值

 * 删除：status =0  如果有del_time也可以通过上面的方法判断，我这里没有

 * 文件记录值：上次更新索引时的时间

 * 调用方法：

 * 正常调用：jishubu.net.php

 * 不开启日志：jishubu.net.php?log=no

 * 删除日志的说明如下：

 * 如果你是通过我这样记录已删除id的方式，并且非物理删除，并且开启了日志功能，第一次调用最好先在浏览器执行jishubu.net.php?first=yes，不然如果删除数据较多，生成的日志文件较多，浪费空间。

 * 其他：然后把文件放到crontab中，每天，小时，或分执行一次就行了。请根据自己项目情况改进。

 * @author www.jishubu.net on wish 2012.11.30 改进

 */

error_reporting(E_ALL ^ E_NOTICE);

define('APP_PATH',dirname(__FILE__));

$prefix = '/usr/local/xunsearch';

$element = "$prefix/sdk/php/app/mfnews.ini";   

require_once "$prefix/sdk/php/lib/XS.php";

   

$first = (trim($_GET['first'])=='yes') ? true : false;

$log = (trim($_GET['log'])=='no') ? false : true;

   

$xs = new XS($element); // 建立 XS 对象

$index = $xs->index; // 获取 索引对象

$doc = new XSDocument;  // 创建文档对象

   

//读取上次更新索引时间

$last_index_time = @file_get_contents(APP_PATH.'/last_index_time.txt');

$last_index_time = $last_index_time ? $last_index_time : time(); //这里也可以在last_index_time.txt文件中加个初始值

//删除过的id列表，如果字段有删除时间字段则不需要记录，如果是物理删除，需要记录删除日志，否则无法知道哪些文件曾被删除

$last_del_id = @file_get_contents(APP_PATH.'/last_del_id.txt');

   

$link = mysql_connect('localhost:3306', 'root', '123456') or exit(mysql_error());

mysql_select_db('phpcms', $link) or exit(mysql_error());

mysql_query("SET NAMES utf8");

   

//查询总数据量，并分批更新

$sql = "select count(*) as zongshu from phpcms_news,phpcms_news_data where phpcms_news.id=phpcms_news_data.id and phpcms_news.status=99 and phpcms_news.islink=0 and (phpcms_news.inputtime > {$last_index_time} or phpcms_news.updatetime > {$last_index_time})";

$zongshu = mysql_query($sql) or exit(mysql_error());

   

while($row = mysql_fetch_array($zongshu, MYSQL_ASSOC)){

    $zx[]=$row;

    }

   

$n=0;

$i = 1; $count=1; $add_total = 0; $edit_total=0;$addArray=array();$editArray=array();

//添加分批查询避免查询出过多的数据使PHP报错

do{

      $index->openBuffer(); // 开启缓冲区

        //增加，修改索引

        $sql = "select inch_cms_news.id as id,title,url,inputtime,updatetime,phpcms_news_data.content as content from phpcms_news,phpcms_news_data where phpcms_news.id=phpcms_news_data.id and phpcms_news.status=99 and phpcms_news.islink=0 and (phpcms_news.inputtime > {$last_index_time} or phpcms_news.updatetime > {$last_index_time}) limit $n,100";

        $res = mysql_query($sql) or exit(mysql_error());

        $restult = array();

           

        while($row = mysql_fetch_array($res, MYSQL_ASSOC)){

            $row['title'] = preg_replace('/ |"/','',strip_tags($row['title']));

            $row['content'] = preg_replace('/ |"/','',strip_tags($row['content']));

            $edit_time = $row['updatetime']; $create_time = $row['inputtime'];

            unset($row['updatetime']);

            if($edit_time == $create_time){

                $add_total++;

                $addArray[] = $row;

            } else {

                $edit_total++;

                $editArray[] = $row;

            }

            $doc->setFields($row);

            $index->update($doc);

            $i++;

            //如果回收站回收的数据，然后从已删除记录中，清除该id

            if(strpos($last_del_id, ','.$row['id'].',')!==false){

                $last_del_id = str_replace($row['id'].',', '', $last_del_id);

            }

        }

  $n=$n+100;

  $index->closeBuffer(); // 关闭缓冲区

  }while($n<=$zx['0']['zongshu']);

     

     

$index->openBuffer(); // 开启缓冲区

   

   

   

//删除索引

$sql = "SELECT phpcms_news.id as id,title,url,inputtime,phpcms_news_data.content as content FROM phpcms_news,phpcms_news_data where phpcms_news.id=phpcms_news_data.id and phpcms_news.status!=99 and phpcms_news.islink=0";

$res = mysql_query($sql) or exit(mysql_error());

$del_total = 0; $ids = ''; $delArray = array();

while($row = mysql_fetch_array($res, MYSQL_ASSOC)){

    if(strpos($last_del_id, ','.$row['id'].',')===false){

        $ids .= $row['id'].',';

        $delArray[] = $row;

        $del_total++;

    }

}

if($ids) {

    $index->del(array(trim($ids,',')));

    $last_del_id = $last_del_id ? $last_del_id.$ids : ','.$ids;

}

   

$index->closeBuffer(); // 关闭缓冲区

   

$total = $add_total + $edit_total + $del_total;

if($total){

   

    //记录索引更新时间

    @file_put_contents(APP_PATH.'/last_index_time.txt', time());

    @file_put_contents(APP_PATH.'/last_del_id.txt', $last_del_id);

   

    //记录日志

    if($log){

        $currdate = date('Y-m-d H:i:s',time());

        if(!$first) @file_put_contents('/tmp/myindex_log.txt', "\n@@@@@@@@@@@@@@@@@@@@@ {$currdate} 本次更新{$total}条记录，详情如下：@@@@@@@@@@@@@@@@@@@@@@\n\n", FILE_APPEND);

        if($add_total) addMyIndexLog('add', $add_total, $addArray);

        if($edit_total) addMyIndexLog('update', $edit_total, $editArray);

        if($del_total&&!$first) addMyIndexLog('delete', $del_total, $delArray);

    }

}

   

function addMyIndexLog($logtype, $logtatal, $logdata, $prefix='')

{

    @file_put_contents('/tmp/myindex_log.txt', $prefix.date('Y-m-d H:i:s',time()).' '.$logtype.' index num : '.$logtatal.' '.str_repeat('*', 50)."\n".print_r($logdata, true) , FILE_APPEND);

}

   

mysql_free_result($res);

mysql_close($link);

if($total) $index->flushIndex();

?>

程序保存文件为jishubu.net.php并在同一目录下新建last_index_time.txt和last_del_id.txt文件。

我添加的任务是每小时执行两次更新索引如下：

2,32 * * * * /usr/local/php/bin/php /web/jishubu.net.php