與索引建立對稱,搜尋查詢同樣經歷四個核心階段,將用戶查詢轉化為排序後的文檔結果集。
輸入:用戶原始查詢字串
處理步驟:
# 查詢語法範例
"hello world" # 短語查詢(需 index_exact_words=1)
hello | world # OR 查詢
hello -world # 排除包含 world 的文檔
@title hello # 指定欄位查詢
@(title,content) hello # 多欄位查詢
hello* # 前綴匹配
~hello # 模糊匹配(編輯距離)
輸入:標準化 Term 序列
處理:建構布林查詢樹(Boolean Query Tree),節點為 AND/OR/NOT/FIELD/NEAR 等運算子,葉節點為 Term。
// 內部表示範例
// 查詢: @title "php tutorial" | @content (laravel symfony)
// 樹結構:
OR
├── FIELD(title) → PHRASE("php", "tutorial")
└── FIELD(content) → OR("laravel", "symfony")
輸入:查詢樹
核心演算法:文檔級並行(Document-at-a-time, DAAT)
核心:BM25F 排序函數(Sphinx 預設排名演算法)
score = Σ [ IDF(term) * ( (k1 + 1) * tf ) / ( k1 * (1 - b + b * field_len/avg_field_len) + tf ) ]
* field_weight
+ 屬性權重加成
關鍵因子:
| 模式 | 常數 | 說明 | 適用場景 |
|---|---|---|---|
| 相關性降序 | SPH_SORT_RELEVANCE | BM25F 分數降序 | 全文搜尋預設 |
| 屬性降序 | SPH_SORT_ATTR_DESC | 指定數值屬性降序 | 最新發布、最高價格 |
| 屬性升序 | SPH_SORT_ATTR_ASC | 指定數值屬性升序 | 最低價格、最舊 |
| 時間分段+相關性 | SPH_SORT_TIME_SEGMENTS | 時間分段(小時/天/週/月)內按相關性 | 新聞、部落格 |
| 自定義運算式 | SPH_SORT_EXPR | SQL-like 運算式:`@weight + log(views)*10 + recency*100` | 複雜業務排序 |
| 隨機排序 | SPH_SORT_RANDOM | 指定種子隨機 | 推薦、廣告輪播 |
<?php
$client = new SphinxClient();
$client->SetServer('127.0.0.1', 9312);
$client->SetConnectTimeout(1);
$client->SetArrayResult(true);
// 權重配置:標題權重 100,內容 10,標籤 50
$client->SetFieldWeights(['title' => 100, 'content' => 10, 'tags' => 50]);
// 模式 1:純相關性
$client->SetSortMode(SPH_SORT_RELEVANCE);
// 模式 2:綜合排序(相關性 60% + 熱度 30% + 新鮮度 10%)
$client->SetSortMode(SPH_SORT_EXPR,
'@weight * 0.6 + log10(views + 1) * 30 + (created_at - 1609459200) / 86400 * 10'
);
// 模式 3:分段時間 + 相關性(過去 1 小時最高優先)
$client->SetSortMode(SPH_SORT_TIME_SEGMENTS, 'created_at');
// 執行查詢
$result = $client->Query('php 教程', 'idx_main');
if ($result === false) {
die('Error: ' . $client->GetLastError());
}
echo "總計: {$result['total']}, 耗時: {$result['time']} 秒\n";
foreach ($result['matches'] as $doc) {
echo "ID: {$doc['id']}, Weight: {$doc['weight']}, ";
echo "Views: {$doc['attrs']['views']}, ";
echo "Created: " . date('Y-m-d', $doc['attrs']['created_at']) . "\n";
}
?>
# 索引配置中預設欄位權重(也可查詢時動態覆蓋)
index idx_main {
# ...
# 權重影響 BM25F 中的 field_weight 因子
}
啟用後,查詢 `"exact phrase"` 只匹配原文完全相同的詞序列,不做詞幹化展開。
<?php
// 熱門商品搜尋:相關性 + 銷量對數 + 評分 + 新品加成
$expr = '
@weight * 1.0
+ log10(sales + 1) * 50
+ rating * 20
+ IF(created_at > UNIX_TIMESTAMP(DATE_SUB(NOW(), INTERVAL 30 DAY)), 100, 0)
- IF(stock = 0, 1000, 0) // 缺貨懲罰
';
$client->SetSortMode(SPH_SORT_EXPR, $expr);
?>
<?php
// 同時查詢多個索引(主+增量,或多業務線)
$client->Query('關鍵詞', 'idx_main idx_delta idx_archive');
// 分散式索引配置(sphinx.conf)
index dist_all {
type = distributed
local = idx_main
local = idx_delta
agent = 10.0.1.12:9312:idx_shard1 # 遠端分片
agent = 10.0.1.13:9312:idx_shard2
agent_connect_timeout = 100
agent_query_timeout = 3000
}
| 參數 | 建議 | 影響 |
|---|---|---|
| max_matches | 1000-10000(視分頁深度) | 限制候選集大小,防止 OOM |
| cutoff | 大數據集設 10000-50000 | 掃描足夠文檔後提前終止 |
| max_query_time | 200-500ms | 硬性超時保護,防止慢查詢拖垮 |
| ranking_expr | 預編譯複雜運算式 | 避免查詢時重複解析 |
| subtree_docs_cache | 4M-16M | 加速常用子樹統計 |
| subtree_hits_cache | 8M-32M | 加速常用子樹命中統計 |
Sphinx 搜尋流程:**查詢解析 → 語法樹 → 索引掃描 → BM25F 排序** 採用文檔級並行(DAAT)架構,配合倒排索引與屬性儲存,實現毫秒級全文檢索。關鍵調優點: