选择独立的全文搜索服务器：Sphinx还是SOLR？

Question

我正在寻找具有以下属性的独立全文搜索服务器：

• 必须作为可以提供来自多个客户端的搜索请求的独立服务器运行
• 必须能够通过索引SQL查询的结果来执行“批量索引”：说“SELECT id，text_to_index FROM documents;”
• 必须是免费软件，必须在使用MySQL作为数据库的Linux上运行
• 必须快（排除MySQL的内部全文搜索）

我发现具有这些属性的替代方案是：

• Solr（基于Lucene）
• ElasticSearch（也基于Lucene）
• 斯芬克斯

我的问题：

• 他们如何比较？
• 我错过了其他选择吗？
• 我知道每个用例都不一样，但是在某些情况下我肯定不想要使用某个包吗？

Answer 1

我已经成功使用Solr近2年了，并且从未使用过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。我还会给我的答案补丁： - ）

相似点：

• Solr和Sphinx都满足您的所有要求。它们速度快，旨在有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）

以下是一些差异：

• 作为Apache项目的Solr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，您将必须购买商业许可证（rationale）
• Solr在Java应用程序中是easily embeddable。
• Solr建立在Lucene之上，这是一种经过验证的8 years old技术，huge user base（这只是一小部分）。每当Lucene获得新功能或加速时，Solr也会得到它。许多致力于Solr的开发者也是Lucene的提交者。
• Sphinx与RDBMS更紧密地集成，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附带spell-checker out of the box。
• Solr附带facet support out of the box。面对狮身人面像takes more work。
• Sphinx doesn't allow partial index updates for field data。
• 在Sphinx，all document ids must be unique unsigned non-zero integer numbers。 Solr doesn't even require an unique key for many operations和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似乎没有提供任何这样的功能。
• 虽然Sphinx is designed to only retrieve document ids，但在Solr中，您可以使用几乎任何类型的数据直接获取整个文档，使其更加独立于任何外部数据存储，并节省额外的往返次数。
• Solr，除了使用嵌入式时，在Java web container（如Tomcat或Jetty）中运行，需要additional specific configuration and tuning（或者您可以使用included Jetty并使用{{1}启动它}}）。 Sphinx没有其他配置。

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是您最好的选择。

狮身人面像的优点：

1. 开发和设置更快
2. 更好（更快）的聚合。这是我们的杀手锏。
3. 不是XML。这就是最终为我们排除Solr的原因。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，因为缺少Solr聚合。与XML序列化的时间绝对会破坏性能。对于小结果集，它完全没问题。
4. 我在开源应用中看到的最佳文档

Solr优势：

1. 可以延期。
2. 可以直接从网络应用中点击它，也就是说，您可以通过AJAX直接点击Solr服务器进行自动完成搜索。

Answer 3

注意：有许多用户都在考虑相同的问题。

所以，回答这一点：

哪个和为什么？

• 如果您打算在网络应用中使用 Solr （示例网站搜索引擎）。由于它的API，它肯定会变得很棒。你肯定需要为网络应用程序提供这种能力。

• 如果您想快速搜索大量文档/文件，请使用 Sphinx 。它也快速索引。我建议不要在涉及JSON或解析XML的应用程序中使用它来获取搜索结果。用于直接dB搜索。它适用于MySQL。

<强>替代

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

Answer 4

我已经使用Sphinx差不多一年了，这真是太神奇了。 我可以在MacBook上大约一分钟索引150万个文档，甚至可以在服务器上更快。我也在使用Sphinx将搜索限制在特定纬度范围内的位置。经度，而且非常快。 此外，如何排名结果是非常可调整的。 易于安装和设置，如果您阅读一两个教程。 几乎是1.0的状态，但他们的候选人已经坚如磐石了。

Answer 5

Lucene / Solr似乎更具特色，业务年限更长，用户社区更强大。 imho如果你能够解决一些似乎面临的初始设置问题（不是我们）那么我会说Lucene / Solr是你最好的选择。