选择独立的全文搜索服务器：Sphinx 还是 SOLR？ [关闭]

Question

我正在寻找具有以下属性的独立全文搜索服务器：

• 必须作为独立服务器运行，可以为来自多个客户端的搜索请求提供服务
• 必须能够通过索引 SQL 查询的结果来执行“批量索引”：例如“SELECT id, text_to_index FROM documents;”
• 必须是免费软件，并且必须在以 MySQL 作为数据库的 Linux 上运行
• 必须快速（排除 MySQL 的内部全文搜索）

我发现具有这些属性的替代方法是：

• Solr（基于 Lucene）
• ElasticSearch（同样基于 Lucene）
• 狮身人面像

我的问题：

• 他们如何比较？
• 我是否错过了其他选择？
• 我知道每个用例都不同，但在某些情况下我肯定不想使用某个包？

Answer 1

我已经成功使用 Solr 快 2 年了，从未使用过 Sphinx，所以我显然有偏见。 但是，我会尝试通过引用文档或其他人来保持客观。我也会为我的答案打补丁:-)

相似之处：

• Solr 和 Sphinx 都能满足您的所有要求。它们速度快，旨在高效地索引和搜索大量数据。
• 两者都有一长串使用它们的高流量网站（Solr、Sphinx）
• 两者都提供商业支持。 (Solr, Sphinx)
• 两者都为多种平台/语言提供客户端 API 绑定（Sphinx、Solr）
• 两者都可以分发以提高速度和容量（Sphinx、Solr）

这里有一些区别：

• Solr 作为一个 Apache 项目，显然是 Apache2 许可的。 Sphinx is GPLv2。这意味着，如果您需要在商业应用程序中嵌入或扩展（不仅仅是“使用”）Sphinx，则必须购买商业许可证 (rationale)
• Solr 在 Java 应用程序中为 easily embeddable。
• Solr 建立在 Lucene 之上，这是一项经过验证的技术，优于 8 years old 和 huge user base（这只是一小部分）。每当 Lucene 获得新功能或加速时，Solr 也会获得它。许多致力于 Solr 的开发人员也是 Lucene 提交者。
• Sphinx 与 RDBMS 的集成更加紧密，尤其是 MySQL。
• Solr 可以是integrated with Hadoop to build distributed applications
• Solr 可以是integrated with Nutch to quickly build a fully-fledged web search engine with crawler。
• Solr 可以index proprietary formats like Microsoft Word, PDF, etc。狮身人面像can't.
• Solr 带有spell-checker out of the box。
• Solr 带有facet support out of the box。 Sphinx 中的刻面takes more work。
• Sphinx doesn't allow partial index updates for field data。
• 在狮身人面像中，all document ids must be unique unsigned non-zero integer numbers。 Solr doesn't even require an unique key for many operations，唯一键可以是整数或字符串。
• Solr 支持field collapsing（目前仅作为附加补丁）以避免重复类似的结果。 Sphinx 似乎没有提供任何类似的功能。
• Sphinx is designed to only retrieve document ids 在 Solr 中，您可以直接获取包含几乎任何类型数据的整个文档，使其更加独立于任何外部数据存储，并节省了额外的往返时间。
• Solr，除非使用嵌入式，在 Java web container 中运行，例如 Tomcat 或 Jetty，这需要 additional specific configuration and tuning（或者您可以使用 included Jetty 并使用 java -jar start.jar 启动它）。 Sphinx 没有额外的配置。

相关问题：

• Full Text Searching with Rails
• Comparison of full text search engine - Lucene, Sphinx, Postgresql, MySQL?

Answer 2

除非您需要以任何专有方式扩展搜索功能，否则 Sphinx 是您的最佳选择。

狮身人面像的优势：

1. 开发和设置速度更快
2. 更好（更快）的聚合。这是我们的杀手锏。
3. 不是 XML。这就是我们最终排除了 Solr 的原因。由于缺少 Solr 聚合，我们必须返回相当大的结果集（想想数百个结果）然后自己聚合它们。序列化到 XML 和从 XML 序列化的时间绝对会影响性能。不过，对于较小的结果集，这完全没问题。
4. 我在开源应用中见过的最好的文档

Solr 优势：

1. 可以扩展。
2. 可以直接从 Web 应用程序中找到它，即，您可以通过 AJAX 直接在 Solr 服务器上进行类似自动完成的搜索。

Answer 3

注意：有很多用户有相同的问题。

所以，回答重点：

为什么？

• 如果您打算在您的网络应用（示例站点搜索引擎）中使用它，请使用 Solr。多亏了它的 API，它肯定会变得很棒。网络应用程序肯定需要这种能力。

• 如果您想快速搜索大量文档/文件，请使用 Sphinx。它的索引速度也很快。我建议不要在涉及 JSON 或解析 XML 以获取搜索结果的应用程序中使用它。将其用于直接 dB 搜索。它在 MySQL 上运行良好。

替代品

虽然这些是巨头，但还有更多。此外，还有一些人使用这些来支持他们的自定义框架。所以，我想说你真的没有错过任何一个。虽然有一个elasticsearch 拥有良好的用户群。

Answer 4

我使用 Sphinx 已经快一年了，它非常棒。 我可以在我的 MacBook 上在一分钟内索引 150 万份文档，在服务器上甚至更快。我还使用 Sphinx 将搜索限制在特定纬度和经度内的地方，而且速度非常快。 此外，结果的排名方式是非常可调整的。 如果您阅读一两个教程，则易于安装和设置。 几乎是 1.0 的状态，但他们的候选发布版本坚如磐石。

Answer 5

Lucene / Solr 似乎更有特色，业务年限更长，用户社区也更强大。 恕我直言，如果您可以克服某些人似乎（不是我们）面临的初始设置问题，那么我会说 Lucene / Solr 是您最好的选择。