关于开源的搜索引擎的一个简单介绍-LuceneLucene
优采云 发布时间: 2021-05-14 20:06关于开源的搜索引擎的一个简单介绍-LuceneLucene
本文档是对现有开源搜索引擎的简要介绍
1. Lucene
Lucene的开发语言是Java，它也是Java家族中最著名的开源搜索引擎。它已经是Java世界中的标准全文搜索程序。它提供了完整的查询引擎和索引引擎，而没有中文分词引擎。您需要自己实现它，因此使用Lucene构建搜索引擎需要它自己的体系结构。另外，它不支持实时搜索，但是linkedin和twitter改进了Lucene实时搜索。其中，Lucene具有C ++移植版本，称为CLucene。由于CLucene是用C ++编写的，因此从理论上讲它比Lucene快。
官方主页：
CLucene官方主页：
2.狮身人面像
Sphinx是一个用C ++编写的开源搜索引擎，它也是更为主流的搜索引擎之一。就索引事件而言，它比Lucene快50％，但索引文件的大小是Lucene的两倍，因此Sphinx成为索引事件的基础。在搜索速度方面，它与Lucene并没有太大区别，但是在搜索准确性方面，Lucene优于Sphinx。此外，就添加中文分词引擎的难度而言，Lucene比Sphinx更好。其中，Sphinx支持实时搜索，使用起来比较简单方便。
官方主页：
3. Xapian
Xapian是用C ++编写的全文本搜索程序。它的api和搜索原理在许多方面与Lucene相似，并且可以被视为填补了C ++中Lucene的空白。
官方主页：
4. Nutch
Nutch是用Java实现的开源Web搜索引擎，包括采集器，索引引擎和查询引擎。其中，Nutch基于Lucene，Lucene为Nutch提供了文本索引和搜索API。
对于是否应使用Lucene或Nutch，如果不需要爬网数据，则应使用Lucene。最常见的应用程序是：您有一个数据源，并且需要为数据提供搜索页面，在这种情况下，最好的方法是直接从数据库中检索数据并使用Lucene API来建立索引。
官方主页：
5. DataparkSearch
DataparkSearch是使用C语言实现的开源搜索引擎。网页排名使用神经网络模型。它支持HTTP，HTTPS，FTP，NNTP和其他下载网页。包括索引引擎，搜索引擎和中文分词引擎（这也是唯一具有中文分词引擎的开源搜索引擎）。它可以个性化搜索结果并具有完整的日志记录。
官方主页：
6.齐塔尔
Zettair是基于Justin Zobel的研究成果的全文检索实验系统。它是用C语言实现的。其中，贾斯汀·佐贝尔（Justin Zobel）在全文检索领域广为人知，并且是业内第一个提出反向排序索引差分压缩的系统。对于算法学家来说，反向列表的压缩极大地提高了检索和加载的性能，同时空间扩展率也降低到了很好的水平。由于Zettair起源于学术界，因此该代码是由RMIT大学的搜索引擎组织编写的。因此，其代码简洁明了，算法高效。这是学习反向索引经典算法的一个很好的例子。它支持linux，windows，mac os和其他系统。
官方主页：
7. Indri
Indri是一个用C和C ++编写的全文本搜索引擎系统。这是马萨诸塞大学和卡内基梅隆大学共同发起的一个开源项目。它的特点是跨平台，API接口支持Java，PHP，C ++。
官方主页：
8.梗
Terrier是由格拉斯哥大学计算机科学学院使用Java开发的全文本搜索系统。
官方主页：
9. Galago
Galago是用Java语言编写的用于文本搜索的工具集。它包括一个索引引擎和一个查询引擎，以及一个称为TupleFlow的分布式计算框架（类似于Google的MapReduce）。该检索系统支持许多Indri查询语言。
官方主页：
1 0.斑马
Zebra是一种用C语言实现的检索程序，其特点是支持大数据，并支持EMAIL，XML，MARC和其他格式的数据。
官方主页：
1 1. Solr
Solr是用Java开发的独立企业级搜索应用程序服务器。它提供类似于Web服务的API接口。它是基于Lucene的全文本搜索服务器。它也是Lucene的变体。许多一线互联网公司都在使用Solr，这也是一种成熟的解决方案。
官方主页：
1 2. Elasticsearch
Elasticsearch是使用Java语言开发的基于Lucene的开源分布式搜索引擎。专为云计算而设计，它可以实现实时搜索，并且稳定可靠。 Elasticsearch的数据模型是JSON。
官方主页：
1 3.糟糕
Whoosh是一个用纯python编写的开源搜索引擎。
官方主页：
