常见的 搜索引擎 包括有:Lucene、Solr、Elasticsearch、Sphinx 等。
Lucene 的开发语言是 Java,也是 Java 家族中最为出名的一个开源搜索引擎,在 Java 世界中已经是标准的全文检索程序,它提供了完整的查询引擎和索引引擎,没有中文分词引擎,需要自己去实现,因此用 Lucene 去做一个搜素引擎需要自己去架构,另外它不支持实时搜索。但是 solr 和 elasticsearch 都是基于 Lucene 封装。
成熟的解决方案,有很多的成功案例。apache 顶级项目,正在持续快速的进步。庞大而活跃的开发社区,大量的开发人员。它只是一个类库,有足够的定制和优化空间:经过简单定制,就可以满足绝大部分常见的需求;经过优化,可以支持 10亿+ 量级的搜索。
需要额外的开发工作。所有的扩展,分布式,可靠性等都需要自己实现;非实时,从建索引到可以搜索中间有一个时间延迟,而当前的 “近实时”(Lucene Near Real Time search) 搜索方案的可扩展性有待进一步完善。
Solr 是一个高性能,采用 Java 开发,基于 Lucene 的全文搜索服务器。文档通过 Http 利用 XML 加到一个搜索集合中。
查询该集合也是通过 http 收到一个 XML 和 JSON 响应来实现。它的主要特性包括:高效、灵活的缓存功能,垂直搜索功能,高亮显示搜索结果,通过索引复制来提高可用性,提供一套强大 Data Schema 来定义字段,类型和设置文本分析,提供基于 Web 的管理界面等。
Elasticsearch 是一个基于 Lucene 构建的开源,分布式,RESTful 搜索引擎。设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。支持通过 HTTP 使用 JSON 进行数据索引。
Sphinx 一个基于 SQL 的全文检索引擎,特别为一些脚本语言(PHP,Python,Perl,Ruby)设计搜索 API 接口。
Sphinx 是一个用 C++ 语言写的开源搜索引擎,也是现在比较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间换取事件的策略,在检索速度上,和 lucene 相差不大,但检索精准度方面 Lucene 要优于 Sphinx,另外在加入中文分词引擎难度方面,Lucene 要优于 Sphinx。其中 Sphinx 支持实时搜索,使用起来比较简单方便.
Sphinx 可以非常容易的与 SQL 数据库和脚本语言集成。当前系统内置 MySQL 和 PostgreSQL 数据库数据源的支持,也支持从标准输入读取特定格式的 XML 数据。通过修改源代码,用户可以自行增加新的数据源(例如:其他类型的 DBMS 的原生支持)