|
為解決全站搜索問題。對開源搜索引擎的一個(gè)比較。在我的項(xiàng)目中，是ssh+jsp結(jié)構(gòu)。選擇solr是最佳的。 1. Lucene及其變種LunceneLucene的開發(fā)語言是Java，也是Java家族中最為出名的一個(gè)開源搜索引擎，在Java世界中已經(jīng)是標(biāo)準(zhǔn)的全文檢索程序，它提供了完整的查詢引擎和索引引擎，沒有中文分詞引擎，需要自己去實(shí)現(xiàn)，因此用Lucene去做一個(gè)搜素引擎需要自己去架構(gòu).另外它不支持實(shí)時(shí)搜索，但linkedin和twitter有分別對Lucene改進(jìn)的實(shí)時(shí)搜素. 其中Lucene有一個(gè)C++移植版本叫CLucene，CLucene因?yàn)槭褂肅++編寫，所以理論上要比lucene快.
官方主頁：http://lucene./
CLucene官方主頁：http:///projects/clucene/
SolrSolr是一個(gè)用java開發(fā)的獨(dú)立的企業(yè)級搜索應(yīng)用服務(wù)器，它提供了類似于Web-service的API接口，它是基于Lucene的全文檢索服務(wù)器，也算是Lucene的一個(gè)變種，很多一線互聯(lián)網(wǎng)公司都在使用Solr，也算是一種成熟的解決方案. 官方主頁：http://lucene./solr/
ElasticsearchElasticsearch是一個(gè)采用java語言開發(fā)的，基于Lucene構(gòu)造的開源，分布式的搜索引擎. 設(shè)計(jì)用于云計(jì)算中，能夠達(dá)到實(shí)時(shí)搜索，穩(wěn)定可靠. Elasticsearch的數(shù)據(jù)模型是JSON. 官方主頁：http://www./
2.Xapian（C++）用C++編寫的全文檢索引擎，和Java界的lucene類似。Xapian原生支持C/C++，并且也能夠支持php、python等語言的動(dòng)態(tài)綁定。 Xapian是一個(gè)用C++編寫的全文檢索程序，它的api和檢索原理和lucene在很多方面都很相似，算是填補(bǔ)了lucene在C++中的一個(gè)空缺. 官方主頁：http:///
3.Sphinx是一個(gè)基于SQL的全文檢索引擎。特別為一些腳本語言（PHP,Python，Perl，Ruby）設(shè)計(jì)搜索API接口。 Sphinx是一個(gè)用C++語言寫的開源搜索引擎，也是現(xiàn)在比較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間換取事件的策略，在檢索速度上，和lucene相差不大，但檢索精準(zhǔn)度方面Lucene要優(yōu)于Sphinx，另外在加入中文分詞引擎難度方面，Lucene要優(yōu)于Sphinx.其中Sphinx支持實(shí)時(shí)搜索，使用起來比較簡單方便. 官方主頁：http:///about/sphinx/
4.Nutch開源Java實(shí)現(xiàn)的搜索引擎。包括了全文搜索和web爬蟲。不會扭曲搜索結(jié)果（付費(fèi)前排）。 Nutch是基于Luncene的，Luncene為Nutch提供了文本索引和搜索的API。如果不需要抓取數(shù)據(jù)的話，應(yīng)該使用Luncene。 你有數(shù)據(jù)源，需要為這些數(shù)據(jù)提供一個(gè)搜索頁面。在這種情況下，最好的方式是直接從數(shù)據(jù)庫中取出數(shù)據(jù)并用Lucene API 建立索引。 在你沒有本地?cái)?shù)據(jù)源，或者數(shù)據(jù)源非常分散的情況下，應(yīng)該使用Nutch。 Nutch是一個(gè)用java實(shí)現(xiàn)的開源的web搜索引擎，包括爬蟲crawler，索引引擎，查詢引擎. 其中Nutch是基于Lucene的，Lucene為Nutch提供了文本索引和搜索的API.
對于應(yīng)該使用Lucene還是使用Nutch，應(yīng)該是如果你不需要抓取數(shù)據(jù)的話，應(yīng)該使用Lucene，最常見的應(yīng)用是：你有數(shù)據(jù)源，需要為這些數(shù)據(jù)提供一個(gè)搜索頁面，在這種情況下，最好的方式是直接從數(shù)據(jù)庫中取出數(shù)據(jù)，并用Lucene API建立索引.
官方主頁：http://nutch./
nutch入門教程：http://wenku.baidu.com/link?url=fcVfcY3B3EC11zJ5pLKgbgmsmF0P166YBT-M32C-imP2e1TPYkufC6HiMNkS_hFaL3koCH0WsczXElBc36wPTTr0BfIkp56ECga14-iPweC 5.Whoosh（python）唯一的python寫的全文搜索引擎，性能不比sphinx、xapian等，不過他很小，安裝后才2.61M，容易集成，小站可用。 Whoosh是一個(gè)用純python寫的開源搜索引擎. 官方主頁：https:///mchaput/whoosh/wiki/Home
6.Datapark searchWeb-based search。主要用于站內(nèi)搜索，內(nèi)部搜索或本地系統(tǒng)的搜索。C語言實(shí)現(xiàn)。 DataparkSearch是一個(gè)用C語言實(shí)現(xiàn)的開源的搜索引擎. 其中網(wǎng)頁排序是采用神經(jīng)網(wǎng)絡(luò)模型. 其中支持HTTP，HTTPS，F(xiàn)TP，NNTP等下載網(wǎng)頁.包括索引引擎，檢索引擎和中文分詞引擎(這個(gè)也是唯一的一個(gè)開源的搜索引擎里有中文分詞引擎).能個(gè)性化定制搜索結(jié)果，擁有完整的日志記錄. 官方主頁：http://www./
7.Zettair基于倒排序索引結(jié)構(gòu)的全文搜索開源引擎?；贑語言。 Zettair是根據(jù)Justin Zobel的研究成果為基礎(chǔ)的全文檢索實(shí)驗(yàn)系統(tǒng).它是用C語言實(shí)現(xiàn)的. 其中Justin Zobel在全文檢索領(lǐng)域很有名氣，是業(yè)界第一個(gè)系統(tǒng)提出倒排序索引差分壓縮算法的人，倒排列表的壓縮大大提高了檢索和加載的性能，同時(shí)空間膨脹率也縮小到相當(dāng)優(yōu)秀的水平. 由于Zettair是源于學(xué)術(shù)界，代碼是由RMIT University的搜索引擎組織寫的，因此它的代碼簡潔精煉，算法高效，是學(xué)習(xí)倒排索引經(jīng)典算法的非常好的實(shí)例. 其中支持linux，windows，mac os等系統(tǒng). 官方主頁：http://www.seg./zettair/about.html 參考文章：zettair介紹 http://blog.csdn.net/yijiyong100/article/details/11928453
8.Indri支持文檔索引。 http://blog.csdn.net/sharpdew/article/details/438250 Indri是一個(gè)用C語言和C++語言寫的全文檢索引擎系統(tǒng)，是由University of Massachusetts和Carnegie Mellon University合作推出的一個(gè)開源項(xiàng)目. 特點(diǎn)是跨平臺，API接口支持Java，PHP，C++. 官方主頁：http://www./indri/
9.Terrier桌面搜索引擎 http://www.ibm.com/developerworks/cn/opensource/os-desktopsearch/index.html Terrier是由School of Computing Science，Universityof Glasgow用java開發(fā)的一個(gè)全文檢索系統(tǒng). 官方主頁：http:///
10.GalagoGalago是一個(gè)用java語言寫的關(guān)于文本搜索的工具集. 其中包括索引引擎和查詢引擎，還包括一個(gè)叫TupleFlow的分布式計(jì)算框架(和google的MapReduce很像).這個(gè)檢索系統(tǒng)支持很多Indri查詢語言. 官方主頁：http://www./
11.ZebraZebra是一個(gè)用C語言實(shí)現(xiàn)的檢索程序，特點(diǎn)是對大數(shù)據(jù)的支持，支持EMAIL，XML，MARC等格式的數(shù)據(jù). 官方主頁：https://www./zebra
開源搜索引擎的比較，可能資料比較陳舊了。 下面這個(gè)13年的資料 |
|
|
