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。
看很多人好奇最后的文件有多大，我就补充一下几张图片。
这是数据库倒入完成的大小：
这是索引文件的大小：
这是我机器的配置情况：
前后折腾大约用了半个月时间，一开始倒入走错路，加上经验不足没有建立主键倒入浪费太多时间。
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主键了，只好重新导入一次
1 |
mysql> load data local infile 'E:\dns\rite\20141217-rdns.txt' into table dns |
2 |
fields terminated by ','; |
3 |
Query OK, 1194674130 rows affected, 1700 warnings (29 min 26.65 sec) |
4 |
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
1 |
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:phpStudysplinxapi>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
01 |
<?php |
02 |
include 'sphinxapi.php'; |
03 |
$conn=mysql_connect('127.0.0.1','root','root'); |
04 |
mysql_select_db('ns',$conn); |
05 |
$sphinx = new SphinxClient(); |
06 |
$now=time(); |
07 |
$sphinx->SetServer ( '127.0.0.1', 9312 ); |
08 |
$result = $sphinx->query ('weibo.com', 'test1'); |
09 |
foreach($result['matches'] as $key => $val){ |
10 |
$sql="select * from ns where id='{$key}'"; |
11 |
$res=mysql_query($sql); |
12 |
$res=mysql_fetch_array($res); |
13 |
echo "{$res['ip']}:{$res['ns']}"; |
14 |
15 |
} |
16 |
echo time()-$now; |
17 |
?> |
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
本文始发于微信公众号（T00ls）：Sphinx+Mysql+Php 12亿DNS数据秒查
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论