阿里P8架构师谈：开源搜索引擎Lucene、Solr、Sphinx等优劣势比较
開源搜索引擎分類
1.Lucene系搜索引擎，java開發(fā),包括：
- Lucene
- Solr
- Elasticsearch
- Katta、Compass等都是基于Lucene封裝。
你可以想象Lucene系有多強大。
2.Sphinx搜素引擎，c++開發(fā),簡單高性能。
以下重點介紹最常用的開源搜素引擎：Lucene、Solr、Elasticsearch、Sphinx的特點和優(yōu)劣勢選型比較。
Lucene
1.Lucene簡介
Lucene的開發(fā)語言是Java，也是Java家族中最為出名的一個開源搜索引擎，在Java世界中已經(jīng)是標準的全文檢索程序，它提供了完整的查詢引擎和索引引擎，沒有中文分詞引擎，需要自己去實現(xiàn)，因此用Lucene去做一個搜素引擎需要自己去架構(gòu)，另外它不支持實時搜索。但是solr和elasticsearch都是基于Lucene封裝。
2.Lucene的優(yōu)劣勢
優(yōu)點：
成熟的解決方案，有很多的成功案例。apache 頂級項目，正在持續(xù)快速的進步。龐大而活躍的開發(fā)社區(qū)，大量的開發(fā)人員。它只是一個類庫，有足夠的定制和優(yōu)化空間：經(jīng)過簡單定制，就可以滿足絕大部分常見的需求；經(jīng)過優(yōu)化，可以支持 10億+ 量級的搜索。
缺點：
需要額外的開發(fā)工作。所有的擴展，分布式，可靠性等都需要自己實現(xiàn)；非實時，從建索引到可以搜索中間有一個時間延遲，而當前的“近實時”（Lucene Near Real Time search）搜索方案的可擴展性有待進一步完善
Apache Solr
1.Slor簡介
Solr是一個高性能，采用Java開發(fā)，基于Lucene的全文搜索服務器。
文檔通過Http利用XML加到一個搜索集合中。
查詢該集合也是通過 http收到一個XML/JSON響應來實現(xiàn)。它的主要特性包括：高效、靈活的緩存功能，垂直搜索功能，高亮顯示搜索結(jié)果，通過索引復制來提高可用性，提 供一套強大Data Schema來定義字段，類型和設(shè)置文本分析，提供基于Web的管理界面等。
2.Solr的優(yōu)缺點
優(yōu)點
缺點
Elastic Search
1.ElasticSearch簡介
ElasticSearch是一個基于Lucene構(gòu)建的開源，分布式，RESTful搜索引擎。設(shè)計用于云計算中，能夠達到實時搜索，穩(wěn)定，可靠，快速，安裝使用方便。支持通過HTTP使用JSON進行數(shù)據(jù)索引。
2.Elasticsearch的優(yōu)缺點
優(yōu)點
缺點
Elasticsearch 與 Solr 的比較總結(jié)
- 二者安裝都很簡單；
- Solr 利用 Zookeeper 進行分布式管理，而 Elasticsearch 自身帶有分布式協(xié)調(diào)管理功能;
- Solr 支持更多格式的數(shù)據(jù)，而 Elasticsearch 僅支持json文件格式；
- Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高級功能多有第三方插件提供；
- Solr 在傳統(tǒng)的搜索應用中表現(xiàn)好于 Elasticsearch，但在處理實時搜索應用時效率明顯低于 Elasticsearch。
總之，Solr 是傳統(tǒng)搜索應用的有力解決方案，但 Elasticsearch 更適用于新興的實時搜索應用。
Sphinx
1.Sphinx簡介
Sphinx一個基于SQL的全文檢索引擎，特別為一些腳本語言（PHP,Python，Perl，Ruby）設(shè)計搜索API接口。
Sphinx是一個用C++語言寫的開源搜索引擎，也是現(xiàn)在比較主流的搜索引擎之一，在建立索引的事件方面比Lucene快50%，但是索引文件比Lucene要大一倍，因此Sphinx在索引的建立方面是空間換取事件的策略，在檢索速度上，和lucene相差不大，但檢索精準度方面Lucene要優(yōu)于Sphinx，另外在加入中文分詞引擎難度方面，Lucene要優(yōu)于Sphinx.其中Sphinx支持實時搜索，使用起來比較簡單方便.
Sphinx可以非常容易的與SQL數(shù)據(jù)庫和腳本語言集成。當前系統(tǒng)內(nèi)置MySQL和PostgreSQL 數(shù)據(jù)庫數(shù)據(jù)源的支持，也支持從標準輸入讀取特定格式 的XML數(shù)據(jù)。通過修改源代碼，用戶可以自行增加新的數(shù)據(jù)源（例如：其他類型的DBMS 的原生支持）
2.Sphinx的特點
- 高速的建立索引（在當代CPU上，峰值性能可達到10 MB/秒）;
- 高性能的搜索（在2 – 4GB 的文本數(shù)據(jù)上，平均每次檢索響應時間小于0.1秒）;
- 可處理海量數(shù)據(jù)（目前已知可以處理超過100 GB的文本數(shù)據(jù), 在單一CPU的系統(tǒng)上可 處理100 M 文檔）;
- 提供了優(yōu)秀的相關(guān)度算法，基于短語相似度和統(tǒng)計（BM25）的復合Ranking方法;
- 支持分布式搜索;
- 支持短語搜索
- 提供文檔摘要生成
- 可作為MySQL的存儲引擎提供搜索服務;
- 支持布爾、短語、詞語相似度等多種檢索模式;
- 文檔支持多個全文檢索字段（最大不超過32個）;
- 文檔支持多個額外的屬性信息（例如：分組信息，時間戳等）;
- 支持斷詞;
你可能也喜歡:
總結(jié)
以上是生活随笔為你收集整理的阿里P8架构师谈：开源搜索引擎Lucene、Solr、Sphinx等优劣势比较的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 论文征集 | 2019 Joint In
- 下一篇： 阿里架构师进阶23期精讲：Redis、K