- r - 以节省内存的方式增长 data.frame
- ruby-on-rails - ruby/ruby on rails 内存泄漏检测
- android - 无法解析导入android.support.v7.app
- UNIX 域套接字与共享内存(映射文件)
我有一个 php、linux 服务器。它有一个名为 notes_docs
的文件夹,其中包含超过 600,000 个 txt 文件。 notes_docs
的文件夹结构如下-
- notes_docs
- files_txt
- 20170831
- 1_837837472_abc_file.txt
- 1_579374743_abc2_file.txt
- 1_291838733_uridjdh.txt
- 1_482737439_a8weele.txt
- 1_733839474_dejsde.txt
- 20170830
- 20170829
我必须提供一个可以在浏览器上显示结果的快速文本搜索实用程序。因此,如果我的用户搜索“纽约”,则所有包含“纽约”的文件都应以数组形式返回。如果用户搜索“foo”,则应返回所有包含“foo”的文件。
我已经尝试过使用 scandir
和 Directory Iterator
的代码,这太慢了。搜索需要一分多钟,即使这样搜索也没有完成。我尝试了 ubuntu find
,它又慢了一分钟才能完成。因为文件夹迭代太多,notes_docs
当前大小超过 20 GB。
欢迎任何我可以用来使其更快的解决方案。我可以进行设计更改,集成我的 PHP 代码以 curl 到另一种语言代码。在极端情况下,我也可以更改基础设施(例如在内存中使用某些东西)。
我想知道业内人士是怎么做到的? Indeed、Zip Recruiter 的人都提供文件搜索。
请注意我有 2GB - 4GB 的 RAM,所以一直将所有文件加载到 RAM 上是 Not Acceptable 。
编辑 - 以下所有输入都很棒。对于后来的人,我们最终使用 Lucene 进行索引和文本搜索。它表现得非常好
最佳答案
为简单起见:每次您想进行搜索时,都没有快速打开、搜索和关闭 600k 文档的方法。 “超过一分钟”的基准可能是针对单个测试帐户的。如果您打算通过多用户网站搜索这些内容,您很快就会忘记它,因为您的磁盘 IO
将超出图表并阻塞您的整个服务器。
因此您唯一的选择是索引所有文件。就像其他所有快速搜索实用程序一样。无论您是使用评论中提到的 Solr 还是 ElasticSearch,还是构建您自己的东西。文件将被编入索引。
考虑到 txt
文件是您收到的 pdf
文件的文本版本,我敢打赌最简单的解决方案是将文本写入数据库而不是文件。无论如何,它不会占用更多的磁盘空间。
然后你可以在你的数据库上启用全文搜索
(mysql
,mssql
和其他支持它)并且我确定响应时代会好很多。请记住,创建这些索引
确实需要存储空间,但其他解决方案也是如此。
现在,如果您真的想加快速度,可以尝试更详细地解析简历。尝试检索您经常搜索的位置、教育、口语和其他信息,并将它们放在单独的表/列中。这是一项非常艰巨的任务,几乎是一个独立的项目,但如果您想要一个有值(value)的搜索结果,这就是您要走的路。因为在没有上下文的情况下搜索文本会产生截然不同的结果,请想想您的示例“纽约”:
关于php - 在超过 600,000 个文件中进行快速文本搜索,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46104843/
我在 JavaScript 文件中运行 PHP,例如...... var = '';). 我需要使用 JavaScript 来扫描字符串中的 PHP 定界符(打开和关闭 PHP 的 )。 我已经知道使
我希望能够做这样的事情: php --determine-oldest-supported-php-version test.php 并得到这个输出: 7.2 也就是说,php 二进制检查 test.
我正在开发一个目前不使用任何框架的大型 php 站点。我的大问题是,随着时间的推移慢慢尝试将框架融入应用程序是否可取,例如在创建的新部件和更新的旧部件中? 比如所有的页面都是直接通过url服务的,有几
下面是我的源代码,我想在同一页面顶部的另一个 php 脚本中使用位于底部 php 脚本的变量 $r1。我需要一个简单的解决方案来解决这个问题。我想在代码中存在的更新查询中使用该变量。 $name)
我正在制作一个网站,根据不同的情况进行大量 PHP 重定向。就像这样...... header("Location: somesite.com/redirectedpage.php"); 为了安全起见
我有一个旧网站,我的 php 标签从 因为短标签已经显示出安全问题,并且在未来的版本中将不被支持。 关于php - 如何避免在 php 文件中写入
我有一个用 PHP 编写的配置文件,如下所示, 所以我想用PHP开发一个接口(interface),它可以编辑文件值,如$WEBPATH , $ACCOUNTPATH和 const值(value)观
我试图制作一个登录页面来学习基本的PHP,首先我希望我的独立PHP文件存储HTML文件的输入(带有表单),但是当我按下按钮时(触发POST到PHP脚本) )我一直收到令人不愉快的错误。 我已经搜索了S
我正在寻找一种让 PHP 以一种形式打印任意数组的方法,我可以将该数组作为赋值包含在我的(测试)代码中。 print_r 产生例如: Array ( [0] => qsr-part:1285 [1]
这个问题已经有答案了: 已关闭11 年前。 Possible Duplicate: What is the max key size for an array in PHP? 正如标题所说,我想知道
我正在寻找一种让 PHP 以一种形式打印任意数组的方法,我可以将该数组作为赋值包含在我的(测试)代码中。 print_r 产生例如: Array ( [0] => qsr-part:1285 [1]
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 9 年前。 Improve this ques
我在 MySQL 数据库中有一个表,其中存储餐厅在每个工作日和时段提供的菜单。 表结构如下: i_type i_name i_cost i_day i_start i_
我有两页。 test1.php 和 test2.php。 我想做的就是在 test1.php 上点击提交,并将 test2.php 显示在 div 中。这实际上工作正常,但我需要向 test2.php
我得到了这个代码。我想通过textarea更新mysql。我在textarea中回显我的MySQL,但我不知道如何更新它,我应该把所有东西都放进去吗,因为_GET模式没有给我任何东西,我也尝试_GET
首先,我是 php 的新手,所以我仍在努力学习。我在 Wordpress 上创建了一个表单,我想将值插入一个表(data_test 表,我已经管理了),然后从 data_test 表中获取所有列(id
我有以下函数可以清理用户或网址的输入: function SanitizeString($var) { $var=stripslashes($var); $va
我有一个 html 页面,它使用 php 文件查询数据库,然后让用户登录,否则拒绝访问。我遇到的问题是它只是重定向到 php 文件的 url,并且从不对发生的事情提供反馈。这是我第一次使用 html、
我有一个页面充满了指向 pdf 的链接,我想跟踪哪些链接被单击。我以为我可以做如下的事情,但遇到了问题: query($sql); if($result){
我正在使用 从外部文本文件加载 HTML/PHP 代码 $f = fopen($filename, "r"); while ($line = fgets($f, 4096)) { print $l
我是一名优秀的程序员,十分优秀!