杭州哪个搜索引擎优化公司好(搜索引擎选型调研文档简介选型文档简介)

　　杭州哪个搜索引擎优化公司好(搜索引擎选型调研文档简介选型文档简介)

　　搜索引擎选择研究文档 Elasticsearch 简介*

　　Elasticsearch 是一个实时分布式搜索和分析引擎。它可以帮助您以前所未有的速度处理*敏*感*词*数据。

　　它可以用于全文搜索、结构化搜索和分析，当然你也可以将三者结合起来。

　　Elasticsearch 是一个基于全文搜索引擎 Apache Lucene™ 的搜索引擎。可以说Lucene是当今最先进、最高效的全功能开源搜索引擎框架。

　　但是Lucene只是一个框架。要充分利用其功能，需要使用JAVA，并在程序中集成Lucene。了解它是如何工作的需要大量的学习和理解，Lucene 确实非常复杂。

　　Elasticsearch 使用 Lucene 作为其内部引擎，但是使用它进行全文搜索时，只需要使用统一开发的 API，无需了解其背后复杂的 Lucene 运行原理。

　　当然，Elasticsearch 并不只是 Lucene 这么简单。它不仅包括全文搜索功能，还可以执行以下任务：

　　这么*敏*感*词*集成在一个服务器中，你可以通过客户端或者任何你喜欢的编程语言，轻松地与 ES 的 RESTful API 进行通信。

　　Elasticsearch 的入门非常简单。它自带了很多非常合理的默认值，让初学者一上手就可以避免面对复杂的理论。

　　它一旦安装就可以使用，并且可以以很小的学习成本变得非常高效。

　　随着你学习的越来越深入，你还可以利用 Elasticsearch 更高级的特性，整个引擎可以灵活配置。您可以根据自己的需要自定义自己的 Elasticsearch。

　　用例：

　　但 Elasticsearch 不仅适用于大型企业，它还帮助 DataDog 和 Klout 等许多初创公司扩展了功能。

　　Elasticsearch 的优点和缺点**：优点 Elasticsearch 是分布式的。不需要其他组件，分发是实时的，称为“推送复制”。Elasticsearch 完全支持 Apache Lucene 的近实时搜索。处理多租户（multitenancy）不需要特殊配置，而Solr则需要更高级的设置。Elasticsearch 使用网关的概念，可以更轻松地完成备份。每个节点形成一个点对点的网络结构，当一些节点出现故障时，会自动分配其他节点来替换它们。缺点是只有一个开发者（目前 Elasticsearch GitHub 组织不止一个，

　　Solr（发音为“solar”）是 Apache Lucene 项目的开源企业搜索平台。其主要功能包括全文搜索、命中标记、分面搜索、动态聚类、数据库集成、富文本（如Word、PDF）处理等。Solr 具有高度可扩展性，并提供分布式搜索和索引复制。Solr 是最受欢迎的企业搜索引擎，Solr4 还添加了 NoSQL 支持。

　　Solr 是一个独立的全文搜索服务器，用 Java 编写，运行在 Servlet 容器（如 Apache Tomcat 或 Jetty）中。Solr 使用 Lucene Java 搜索库作为核心全文索引和搜索，并具有类似 REST 的 HTTP/XML 和 JSON API。Solr 强大的外部配置功能使其可以调整以适应多种类型的应用程序，而无需 Java 编码。Solr 有一个插件架构来支持更高级的定制。

　　由于 Apache Lucene 和 Apache Solr 项目在 2010 年合并，这两个项目由同一个 Apache Software Foundation 开发团队制作和实施。说到技术或产品，Lucene/Solr 或 Solr/Lucene 都是一样的。

　　Solr 的优缺点 Solr 拥有一个更大、更成熟的用户、开发者和贡献者社区。支持添加HTML、PDF、Microsoft Office系列软件格式、JSON、XML、CSV等纯文本格式等多种格式的索引。Solr 相对成​​熟和稳定。不考虑建索引的同时搜索，速度比较快。缺点 建立索引时，搜索效率降低，实时索引搜索效率不高。Elasticsearch 和 Solr 的比较*

　　仅搜索现有数据时，Solr 速度更快。

　　

　　在实时构建索引时，Solr 会造成io 阻塞和查询性能不佳。Elasticsearch 优势明显。

　　

　　随着数据量的增加，Solr 的搜索效率会越来越低，而 Elasticsearch 并没有明显的变化。

　　

　　综上所述，Solr 的架构并不适合实时搜索应用。

　　实际生产环境测试*

　　下图显示，将搜索引擎从 Solr 切换到 Elasticsearch 后，平均查询速度提高了 50 倍。

　　

　　Elasticsearch 和 Solr 的比较

　　Solr 是传统搜索应用的强大解决方案，但 Elasticsearch 更适合新兴的实时搜索应用。

　　其他基于Lucene的开源搜索引擎解决方案 * 直接使用Lucene

　　注意：Lucene 是一个 JAVA 搜索库，它本身并不是一个完整的解决方案，需要额外的开发工作。

　　优势：成熟的解决方案，有很多成功案例。顶级apache项目正在持续快速推进。一个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：简单定制后，可以满足大多数常见的需求；优化后可支持10亿+搜索。

　　缺点：需要额外的开发工作。所有的扩展、分发、可靠性等都需要自己来实现；非实时，从索引到搜索有时间延迟，目前的“近实时”（Lucene Near Real Time search）搜索方案是可扩展的 需要进一步改进

　　描述：基于Lucene，支持分布式、可扩展、容错、准实时的搜索解决方案。

　　优点：开箱即用，可以与Hadoop一起分发。具有扩展和容错机制。

　　缺点：只是一个搜索方案，索引部分还需要自己实现。在搜索功能中，只满足最基本的要求。成功案例较少，项目成熟度略低。因为需要支持分发，所以对于一些复杂的查询需求，定制起来会比较困难。

　　注意：Map/Reduce 模式是一种分布式索引解决方案，可以与 Katta 结合使用。

　　优点：分布式索引和可扩展性。

　　缺点：只构建了索引方案，不包括搜索实现。在批处理模式下工作，对实时搜索的支持不好。

　　描述：基于Lucene的一系列解决方案，包括准实时搜索zoie、分面搜索实现bobo、机器学习算法分解器、汇总库krati、数据库模式打包sensei等。

　　优点：成熟的解决方案，支持分布式、可扩展、丰富的功能实现

　　缺点：与linkedin连接太近，定制性差

　　说明：基于Lucene，索引存在于cassandra数据库中

　　优点：参考cassandra的优点

　　缺点：参考cassandra的缺点。另外，这只是一个demo，并没有经过大量的验证

　　注：基于Lucene，索引存储在HBase数据库中

　　优点：参考HBase的优点

　　缺点：参考HBase的缺点。另外，在实现中，lucene term是按行存储的，而每个term对应的发帖列表是按列存储的。随着单个词条的发布列表增加，查询速度会受到很大影响

　　转载：