Выбор автономного сервера полнотекстового поиска: Sphinx или SOLR? [закрыто]

Я ищу автономный сервер полнотекстового поиска со следующими свойствами:

• Должен работать как отдельный сервер, который может обслуживать поисковые запросы от нескольких клиентов
• Должен иметь возможность выполнять «массовую индексацию» путем индексации результата запроса SQL: скажем «SELECT id, text_to_index FROM Documents;»
• Должно быть свободным программным обеспечением и должно работать на Linux с MySQL в качестве базы данных
• Должно быть быстрым (исключает внутренний полнотекстовый поиск MySQL)

Я нашел альтернативы, которые имеют эти свойства:

• Solr (по материалам Lucene)
• ElasticSearch (также основанный на Lucene)
• сфинкс

Мои вопросы:

• Как они сравниваются?
• Я пропустил какие-либо альтернативы?
• Я знаю, что каждый случай использования отличается, но есть ли определенные случаи, когда я определенно не хотел бы использовать определенный пакет?

Я успешно использую Solr уже почти 2 года, и никогда не использовал Sphinx, поэтому я явно предвзят. Однако я постараюсь сохранить объективность, цитируя документы или других людей. Я также приму патчи к моему ответу :-)

сходства:

• И Solr, и Sphinx удовлетворяют всем вашим требованиям. Они быстрые и предназначены для эффективного индексирования и поиска больших массивов данных.
• У обоих есть длинный список сайтов с высоким трафиком, использующих их ( Solr , Sphinx )
• Оба предлагают коммерческую поддержку. ( Solr , Sphinx )
• Оба предлагают привязки клиентского API для нескольких платформ / языков ( Sphinx , Solr )
• Оба могут быть распределены для увеличения скорости и емкости ( Sphinx , Solr )

Вот некоторые отличия:

• Solr, будучи проектом Apache, очевидно, имеет лицензию Apache2. Сфинкс - это GPLv2 . Это означает, что если вам когда-либо потребуется внедрить или расширить (не просто «использовать») Sphinx в коммерческом приложении, вам придется купить коммерческую лицензию ( обоснование )
• Solr легко встраивается в приложения Java.
• Solr построен на основе Lucene, проверенной технологии более 8 лет с огромной пользовательской базой (это только малая часть). Всякий раз, когда Lucene получает новую функцию или ускорение, Solr получает ее тоже. Многие разработчики, работающие с Solr, также являются приверженцами Lucene.
• Sphinx более тесно интегрируется с СУБД, особенно MySQL.
• Solr может быть интегрирован с Hadoop для создания распределенных приложений
• Solr может быть интегрирован с Nutch, чтобы быстро создать полноценную систему веб-поиска с гусеничным механизмом .
• Solr может индексировать собственные форматы, такие как Microsoft Word, PDF и т . Д. Сфинкс не может .
• Solr поставляется с проверкой орфографии из коробки .
• Solr поставляется с поддержкой фасетов из коробки . Огранка в Сфинксе требует больше работы .
• Sphinx не допускает частичного обновления индекса для полевых данных .
• В Sphinx все идентификаторы документов должны быть уникальными ненулевыми целыми числами без знака . Solr даже не требует уникального ключа для многих операций , и уникальные ключи могут быть целыми числами или строками.
• Solr поддерживает свертывание полей (в настоящее время только как дополнительный патч), чтобы избежать дублирования похожих результатов. Сфинкс, похоже, не предоставляет никакой возможности, подобной этой.
• В то время как Sphinx предназначен только для получения идентификаторов документов , в Solr вы можете напрямую получать целые документы практически с любыми данными, что делает его более независимым от любого внешнего хранилища данных и экономит дополнительную информацию.
• Solr, за исключением случаев использования встроенного, запускается в веб-контейнере Java, таком как Tomcat или Jetty, которые требуют дополнительной специальной настройки и настройки (или вы можете использовать включенный Jetty и просто запустить его java -jar start.jar). Сфинкс не имеет дополнительной конфигурации.

Смежные вопросы:

• Полнотекстовый поиск с помощью Rails
• Сравнение полнотекстового поискового движка - Lucene, Sphinx, Postgresql, MySQL?

Если вам не нужно расширять функциональность поиска любым запатентованным способом, Sphinx - ваш лучший выбор.

Преимущества сфинкса:

1. Разработка и настройка быстрее
2. Намного лучше (и быстрее) агрегация. Это была убийственная особенность для нас.
3. Не XML. Это то, что в конечном итоге исключило Solr для нас. Нам пришлось возвращать довольно большие наборы результатов (например, сотни результатов), а затем агрегировать их самостоятельно, поскольку агрегация Solr отсутствовала. Количество времени для сериализации в и из XML просто убивает производительность. Для небольших наборов результатов, тем не менее, это было прекрасно.
4. Лучшая документация, которую я видел в приложении с открытым исходным кодом

Преимущества Solr:

1. Может быть продлен.
2. Можно выполнить поиск прямо из веб-приложения, т. Е. Можно выполнить поиск, подобный автозаполнению, непосредственно на сервере Solr через AJAX.

Примечание: есть много пользователей с таким же вопросом.

Итак, чтобы ответить на вопрос:

Который и почему?

• Используйте Solr, если вы собираетесь использовать его в своем веб-приложении (пример поисковой системы сайта). Это определенно получится здорово благодаря его API. Вам определенно понадобится эта сила для веб-приложения.

• Используйте Sphinx, если вы хотите быстро найти тонны документов / файлов. Он тоже очень быстро индексирует. Я бы порекомендовал не использовать его в приложении, которое использует JSON или синтаксический анализ XML для получения результатов поиска. Используйте его для прямого поиска в дБ. Отлично работает на MySQL.

альтернативы

Хотя это гиганты, их гораздо больше. Кроме того, есть те, которые используют их для питания своих пользовательских платформ. Итак, я бы сказал, что вы действительно не пропустили ни одного. Хотя есть один поиск, который имеет хорошую базу пользователей.

Я использую Sphinx уже почти год, и это было удивительно. Я могу проиндексировать 1,5 миллиона документов примерно за минуту на моем MacBook, и даже быстрее на сервере. Я также использую Sphinx, чтобы ограничить поиск местами в определенных широтах и ​​долготах, и это очень быстро. Кроме того, то, как ранжируются результаты, очень легко настраивается. Простота установки и настройки, если вы прочитали учебник или два. Почти 1.0 статус, но их Кандидаты в Релиз были твердыми.

Похоже, что Lucene / Solr более активны и имеют долгие годы в бизнесе и гораздо более сильное сообщество пользователей. imho, если вы можете преодолеть начальные проблемы с настройкой, как некоторые, возможно, сталкивались (не мы), то я бы сказал, что Lucene / Solr - ваш лучший выбор.