Sphinx/分布式搜索
来自站长百科
为提高可伸缩性，Sphnix提供了分布式检索能力。分布式检索可以改善查询延迟问题（即缩短查询时间）和提高多服务器、多CPU或多核环境下的吞吐率（即每秒可以完成的查询数）。这对于大量数据（即十亿级的记录数和TB级的文本量）上的搜索应用来说是很关键的。
其关键思想是对数据进行水平分区（HP，Horizontally partition），然后并行处理。
分区不能自动完成，您需要
- 在不同服务器上设置Sphinx程序集（indexer和searchd）的多个实例；
- 让这些实例对数据的不同部分做索引（并检索）；
- 在searchd的一些实例上配置一个特殊的分布式索引；
- 然后对这个索引进行查询。
这个特殊索引只包括对其他本地或远程索引的引用，因此不能对它执行重新建立索引的操作，相反，如果要对这个特殊索引进行重建，要重建的是那些被这个索引被引用到的索引。
当searchd收到一个对分布式索引的查询时，它做如下操作
- 连接到远程代理；
- 执行查询；
- （在远程代理执行搜索的同时）对本地索引进行查询；
- 接收来自远程代理的搜索结果；
- 将所有结果合并，删除重复项；
- 将合并后的结果返回给客户端。
在应用程序看来，普通索引和分布式索引完全没有区别。也就是说，分布式索引对应用程序而言是完全透明的，实际上也无需知道查询使用的索引是分布式的还是本地的。
任一个searchd实例可以同时做为主控端（master，对搜索结果做聚合）和从属端（只做本地搜索）。这有如下几点好处：
- 集群中的每台机器都可以做为主控端来搜索整个集群，搜索请求可以在主控端之间获得负载平衡，相当于实现了一种HA（high availability，高可用性），可以应对某个节点失效的情况。
- 如果在单台多CPU或多核机器上使用，一个做为代理对本机进行搜索的searchd实例就可以利用到全部的CPU或者核。
如果在单台多CPU或多核机器上使用，一个做为代理对本机进行搜索的searchd实例就可以利用到全部的CPU或者核。