Wählen Sie einen eigenständigen Volltextsuchserver: Sphinx oder SOLR? [geschlossen]

Ich suche einen eigenständigen Volltextsuchserver mit den folgenden Eigenschaften:

• Muss als eigenständiger Server arbeiten, der Suchanforderungen von mehreren Clients bedienen kann
• Muss in der Lage sein, eine "Massenindizierung" durchzuführen, indem das Ergebnis einer SQL-Abfrage indiziert wird: Sagen Sie "SELECT id, text_to_index FROM documents";
• Muss freie Software sein und muss unter Linux mit MySQL als Datenbank ausgeführt werden
• Muss schnell sein (schließt die interne Volltextsuche von MySQL aus)

Die Alternativen, die ich gefunden habe und die diese Eigenschaften haben, sind:

• Solr (basierend auf Lucene)
• ElasticSearch (ebenfalls basierend auf Lucene)
• Sphinx

Meine Fragen:

• Wie vergleichen sie?
• Habe ich Alternativen verpasst?
• Ich weiß, dass jeder Anwendungsfall anders ist, aber gibt es bestimmte Fälle, in denen ich definitiv kein bestimmtes Paket verwenden möchte?

Ich benutze Solr seit fast 2 Jahren erfolgreich und habe Sphinx noch nie benutzt, daher bin ich offensichtlich voreingenommen. Ich werde jedoch versuchen, es objektiv zu halten, indem ich die Dokumente oder andere Personen zitiere. Ich werde auch Patches zu meiner Antwort nehmen :-)

Ähnlichkeiten:

• Sowohl Solr als auch Sphinx erfüllen alle Ihre Anforderungen. Sie sind schnell und so konzipiert, dass große Datenmengen effizient indiziert und durchsucht werden können.
• Beide haben eine lange Liste von Websites mit hohem Datenverkehr, die sie verwenden ( Solr , Sphinx ).
• Beide bieten kommerzielle Unterstützung. ( Solr , Sphinx )
• Beide bieten Client-API-Bindungen für mehrere Plattformen / Sprachen ( Sphinx , Solr ).
• Beide können verteilt werden, um Geschwindigkeit und Kapazität zu erhöhen ( Sphinx , Solr )

Hier sind einige Unterschiede:

• Solr ist als Apache-Projekt offensichtlich Apache2-lizenziert. Sphinx ist GPLv2 . Dies bedeutet, dass Sie eine kommerzielle Lizenz erwerben müssen, wenn Sie Sphinx jemals in eine kommerzielle Anwendung einbetten oder erweitern (nicht nur "verwenden") müssen ( Begründung ).
• Solr kann leicht in Java-Anwendungen eingebettet werden .
• Solr basiert auf Lucene, einer bewährten Technologie, die über 8 Jahre alt ist und eine große Anwenderbasis hat (dies ist nur ein kleiner Teil). Immer wenn Lucene eine neue Funktion oder Beschleunigung bekommt, bekommt Solr sie auch. Viele der Entwickler, die sich für Solr engagieren, sind auch Lucene-Committer.
• Sphinx lässt sich enger in RDBMS integrieren, insbesondere in MySQL.
• Solr kann in Hadoop integriert werden, um verteilte Anwendungen zu erstellen
• Solr kann in Nutch integriert werden, um schnell eine vollwertige Websuchmaschine mit Crawler aufzubauen .
• Solr kann proprietäre Formate wie Microsoft Word, PDF usw. Indizieren . Sphinx kann nicht .
• Solr wird mit einer Rechtschreibprüfung geliefert .
• Solr wird sofort mit Facettenunterstützung geliefert . Das Facettieren in der Sphinx erfordert mehr Arbeit .
• Sphinx erlaubt keine teilweisen Indexaktualisierungen für Felddaten .
• In Sphinx müssen alle Dokument-IDs eindeutige vorzeichenlose Ganzzahlen ungleich Null sein . Solr benötigt für viele Operationen nicht einmal einen eindeutigen Schlüssel , und eindeutige Schlüssel können entweder Ganzzahlen oder Zeichenfolgen sein.
• Solr unterstützt das Reduzieren von Feldern (derzeit nur als zusätzlicher Patch), um zu vermeiden, dass ähnliche Ergebnisse dupliziert werden. Sphinx scheint keine solche Funktion zu bieten.
• Während Sphinx nur zum Abrufen von Dokument-IDs entwickelt wurde , können Sie in Solr ganze Dokumente direkt mit nahezu jeder Art von Daten abrufen , wodurch es unabhängiger von externen Datenspeichern wird und zusätzliche Hin- und Rückfahrt erspart wird.
• Solr wird, sofern es nicht eingebettet verwendet wird, in einem Java-Webcontainer wie Tomcat oder Jetty ausgeführt, für den zusätzliche spezifische Konfigurationen und Optimierungen erforderlich sind (oder Sie können den mitgelieferten Jetty verwenden und ihn einfach mit starten java -jar start.jar). Sphinx hat keine zusätzliche Konfiguration.

Verwandte Fragen:

• Volltextsuche mit Schienen
• Vergleich der Volltextsuchmaschine - Lucene, Sphinx, Postgresql, MySQL?

Sphinx ist die beste Wahl, es sei denn, Sie müssen die Suchfunktion auf proprietäre Weise erweitern.

Vorteile der Sphinx:

1. Entwicklung und Einrichtung sind schneller
2. Viel bessere (und schnellere) Aggregation. Dies war das Killer-Feature für uns.
3. Nicht XML. Dies hat Solr letztendlich für uns ausgeschlossen. Wir mussten ziemlich große Ergebnismengen zurückgeben (denken Sie an Hunderte von Ergebnissen) und diese dann selbst aggregieren, da die Solr-Aggregation fehlte. Die Zeit, die für die Serialisierung von und nach XML benötigt wird, hat die Leistung absolut beeinträchtigt. Für kleine Ergebnissätze war es jedoch vollkommen in Ordnung.
4. Beste Dokumentation, die ich in einer Open Source App gesehen habe

Solr Vorteile:

1. Kann verlängert werden.
2. Kann direkt von einer Web-App aus aufgerufen werden, dh Sie können Autocomplete-ähnliche Suchvorgänge direkt über AJAX auf den Solr-Server ausführen lassen.

Hinweis: Es gibt viele Benutzer, die dieselbe Frage haben.

Um auf den Punkt zu antworten:

Welches und warum?

• Verwenden Sie Solr, wenn Sie es in Ihrer Web-App (Beispiel-Site-Suchmaschine) verwenden möchten. Dank seiner API wird es sich definitiv als großartig herausstellen. Diese Leistung benötigen Sie auf jeden Fall für eine Web-App.

• Verwenden Sie Sphinx, wenn Sie Tonnen von Dokumenten / Dateien ganz schnell durchsuchen möchten. Es indiziert auch sehr schnell. Ich würde empfehlen, es nicht in einer App zu verwenden, die JSON oder das Parsen von XML umfasst, um die Suchergebnisse zu erhalten. Verwenden Sie es für direkte dB-Suchen. Es funktioniert hervorragend unter MySQL.

Alternativen

Obwohl dies die Riesen sind, gibt es noch viel mehr. Es gibt auch solche, die diese verwenden, um ihre benutzerdefinierten Frameworks zu betreiben. Also würde ich sagen, dass Sie wirklich keine verpasst haben. Obwohl es eine Elasticsearch gibt , die eine gute Benutzerbasis hat.

Ich benutze Sphinx seit fast einem Jahr und es war erstaunlich. Ich kann 1,5 Millionen Dokumente in ungefähr einer Minute auf meinem MacBook und noch schneller auf dem Server indizieren. Ich benutze Sphinx auch, um die Suche auf Orte innerhalb bestimmter Breiten- und Längengrade zu beschränken, und es ist sehr schnell. Außerdem ist die Rangfolge der Ergebnisse sehr optimierbar. Einfach zu installieren und einzurichten, wenn Sie ein oder zwei Tutorials lesen. Fast 1.0 Status, aber ihre Release Candidates waren absolut solide.

Lucene / Solr scheint stärker vertreten zu sein und verfügt über längere Geschäftsjahre und eine viel stärkere Benutzergemeinschaft. Imho, wenn Sie die anfänglichen Setup-Probleme überwinden können, mit denen einige konfrontiert zu sein scheinen (nicht wir), dann würde ich sagen, dass Lucene / Solr Ihre beste Wahl ist.