sphinx的一点使用心得

为什么要用到sphinx呢？全文搜索，在此方面sphinx非常优秀。
为什么不考虑Lucene? 避免引入过多的复杂性，Lucene是基于Java的程序，我现在是对一个光盘镜像数据库进行索引，光盘的描述信息都存储在了和光盘镜像同名的的xml文件中，搜索界面直接用php和python即可，很简单，不想引入Java，在服务器上也不用过多配置了，另外，考虑到sphinx有一个xmlpipe驱动，我以为我只要写一个程序读取所有的xml文档，然后按照要求输出即可。xml文件信息中没有数据库中id的概念，而是根据上传时间生成了一个时间字符串，精确到秒，比如20090514101210. 我按照我的想法做了，发现一个问题
（1）Sphinx作为文档id的话，必须要求int值，在这里我是想直接使用时间字符串来做，可以经过实验发现sphinx最多支持id的长度为10位，也就是100亿，而时间字符串超长了。
（2）Sphinx在索引时并没有存储原始信息内容，所以搜索结果除了文档ID，什么也得不到，需要根据ID重新获取记录的原文，这样在没有数据库的条件下，从XML中检索效率太低，本来考虑在建立索引的时候，生成一个文档id到记录原文的索引，然后从此索引中拿数据，但是这样觉得多此一举，sphinx对于mysql是原生支持的，所以还是转换一次，从xml数据到mysql数据库，再用sphinx检索才可以。

从这两方面来讲，sphinx还是不能和Lucene比的，Lucene索引的数据中就可以直接获取摘要不用再从纪录集中取了，对于任何性质的文档都可以进行索引了。Sphinx的优点就是简单快速，所以要根据需要灵活选取了，为了不引入Java，我在此项目中还是使用sphinx好了。