转载

【每日一博】Sphinx+Mysql+Php 12亿DNS数据秒查

最近得到一个接近12亿的全球ns节点的数据，本来想用来做一个全国通过dns反查域名然后进行全国范围的网站收集和扫描的，后来发现网站的数量不是很准确，加上一个人的精力和财力实在难以完成这样一个庞大的任务，就没有做下去，只留下了这个搭建的笔记。

文本格式，简单的文本搜索，速度太慢，一次搜索接近花掉5-10分钟时间，决定将其倒入数据库进行一次优化，速度应该能提升不到，电脑上只有AMP的环境，那么就决定将其倒入到mysql中，

一开始使用Navicat进行倒入，刚好数据的格式是 ip,ns 这样的格式，倒入了接近5个小时发现还没有倒入到百分之一，这可是纯文本格式化的时候大小为54G的数据文件啊！

后来发现用mysql自带的load data local infile只话了30分钟左右，第一次导入的时候忘记新建键了，只好重新导入一次

mysql> load data local infile 'E://dns//rite//20141217-rdns.txt' into table dns fields terminated by ','; Query OK, 1194674130 rows affected, 1700 warnings (29 min 26.65 sec) Records: 1194674130  Deleted: 0  Skipped: 0  Warnings: 1700

因为添加了一个id字段，所以导入速度明显下降，不过大概也只花了1个半小时左右的时间就完成了55G数据的导入。

接着是建立索引，因为我需要的模糊查询，所以在这里建立的是Full Text＋Btree，差不多花了3天时间索引才建立完成，期间因为一不小心把mysql的执行窗口关闭了，以为就这么完蛋了，最后发现其实mysql还在后台默默的建立索引。

建立了索引之后发现查询速度也就比没有建立索引快那么一点，执行了一条

select * from ns where ns like '%weibo.com'

花掉了210秒的时间，还是太慢了。

然后就开始使用SPhinx来做索引提升速度，

从官方下载了64位的SPHINX MYSQL SUPPORT的包下载地址

接着配置配置文件,src里配置要mysql的账号密码

source src1 {  sql_host  = localhost  sql_user  = root  sql_pass  = root  sql_db    = ns  sql_port  = 3306    sql_query    = /   SELECT id,ip,ns from ns //这里写上查询语句  sql_attr_uint    = id

然后searchd里也需要配置一下,端口和日志，pid文件的路径配置好即可

searchd {  listen    = 9312  listen    = 9306:mysql41  log   = E:/phpStudy/splinx/file/log.log  query_log    = E:/phpStudy/splinx/file/query.log  pid_file  = E:/phpStudy/splinx/file/searchd.pid

然后切换到sphinx的bin目录进行建立索引，执行

searchd test1 #test1是你source的名称

我大概建立了不到2个小时的时间就建立完成了，

然后切换到api目录下执行

E:/phpStudy/splinx/api>test.py asd DEPRECATED: Do not call this method or, even better, use SphinxQL instead of an API Query 'asd ' retrieved 1000 of 209273 matches in 0.007 sec Query stats:  'asd' found 209291 times in 209273 documents Matches: 1. doc_id=20830, weight=1 2. doc_id=63547, weight=1 3. doc_id=96147, weight=1 4. doc_id=1717000, weight=1 5. doc_id=2213385, weight=1 6. doc_id=3916825, weight=1 7. doc_id=3981791, weight=1 8. doc_id=5489598, weight=1 9. doc_id=9348383, weight=1 10. doc_id=18194414, weight=1 11. doc_id=18194415, weight=1 12. doc_id=18195126, weight=1 13. doc_id=18195517, weight=1 14. doc_id=18195518, weight=1 15. doc_id=18195519, weight=1 16. doc_id=18195520, weight=1 17. doc_id=18195781, weight=1 18. doc_id=18195782, weight=1 19. doc_id=18200301, weight=1 20. doc_id=18200303, weight=1

进行了测试，发现速度真的很快，写了一个PHP脚本进行调用

<?php include 'sphinxapi.php'; $conn=mysql_connect('127.0.0.1','root','root'); mysql_select_db('ns',$conn); $sphinx = new SphinxClient(); $now=time(); $sphinx->SetServer ( '127.0.0.1', 9312 ); $result = $sphinx->query ('weibo.com', 'test1');  foreach($result['matches'] as $key => $val){  $sql="select * from ns where id='{$key}'";  $res=mysql_query($sql);  $res=mysql_fetch_array($res);  echo "{$res['ip']}:{$res['ns']}"; } echo time()-$now; ?>

基本实现了秒查！,最后输出的时间只花掉了0！

123.125.104.176:w-176.service.weibo.com 123.125.104.178:w-178.service.weibo.com 123.125.104.179:w-179.service.weibo.com 123.125.104.207:w-207.service.weibo.com 123.125.104.208:w-208.service.weibo.com 123.125.104.209:w-209.service.weibo.com 123.125.104.210:w-210.service.weibo.com 202.106.169.235:staff.weibo.com 210.242.10.56:weibo.com.tw 218.30.114.174:w114-174.service.weibo.com 219.142.118.228:staff.weibo.com 60.28.2.221:w-221.hao.weibo.com 60.28.2.222:w-222.hao.weibo.com 60.28.2.250:w-222.hao.weibo.com 61.135.152.194:sina152-194.staff.weibo.com 61.135.152.212:sina152-212.staff.weibo.com 65.111.180.3:pr1.cn-weibo.com 160.34.0.155:srm-weibo.us2.cloud.oracle.com 202.126.57.40:w1.weibo.vip.hk3.tvb.com 202.126.57.41:w1.weibo.hk3.tvb.com 0

正文到此结束