スタンドアロンの全文検索サーバーの選択：SphinxまたはSOLR？
次のプロパティを持つスタンドアロンの全文検索サーバーを探しています。
- 複数のクライアントからの検索要求を処理できるスタンドアロンサーバーとして動作する必要があります
- SQLクエリの結果にインデックスを付けることで「バルクインデックス」を実行できる必要があります。「SELECT id、text_to_index FROM documents;」と言います。
- フリーソフトウェアであり、データベースとしてMySQLを使用するLinuxで実行する必要があります
- 高速でなければなりません（MySQLの内部全文検索を除外します）
これらのプロパティがあることがわかった代替策は次のとおりです。
- Solr（Luceneに基づく）
- ElasticSearch（Luceneにも基づく）
- スフィンクス
私の質問：
- 彼らはどのように比較しますか？
- 他の選択肢を見逃していませんか？
- 私はそれぞれのユースケースが異なることを知っていますが、特定のパッケージを使用したい場合は間違いなくnotが必要な場合がありますか？
私はほぼ2年間Solrを正常に使用してきましたが、Sphinxを使用したことがないため、明らかに偏見があります。ただし、ドキュメントまたは他の人を引用して、客観性を維持しようとします。また、答えにパッチを適用します:-)
類似点：
- SolrとSphinxは両方とも、すべての要件を満たしています。これらは高速で、大量のデータを効率的にインデックス付けおよび検索するように設計されています。
- どちらにも、それらを使用するトラフィックの多いサイトの長いリストがあります（ Solr 、 Sphinx ）
- どちらも商用サポートを提供します。 （ Solr 、 Sphinx ）
- 両方とも、いくつかのプラットフォーム/言語（ Sphinx 、 Solr ）にクライアントAPIバインディングを提供します
- どちらも速度と容量を増やすために分散できます（ Sphinx 、 Solr ）
いくつかの違いがあります：
- ApacheプロジェクトであるSolrは、明らかにApache2ライセンスです。 SphinxはGPLv2 です。つまり、商用アプリケーションにSphinxを（「使用」するだけでなく）埋め込みまたは拡張する必要がある場合、商用ライセンスを購入する必要があります（ rationale ）
- Solrは に簡単に埋め込むことができます in Java applications。
- SolrはLuceneの上に構築されます。Luceneは、 8歳以上hugeユーザーで実証済みのテクノロジーですbase （これはほんの一部です）。 Luceneが新しい機能または高速化を取得するたびに、Solrもそれを取得します。 Solrにコミットする開発者の多くはLuceneコミッターでもあります。
- Sphinxは、RDBMS、特にMySQLとより緊密に統合します。
- Solrは、 Hadoopと統合して、分散アプリケーションを構築できます
- Solrを Nutchと統合して、クローラー を備えた本格的なWeb検索エンジンを迅速に構築できます。
- Solrは、 Microsoft Word、PDFなどの独自仕様のフォーマットにインデックスを付けることができます 。スフィンクス できません 。
- Solrには、 スペルチェッカーが付属しています/ 。
- Solrには、 ファセットのサポートが付属しています 。 Sphinxのファセット はさらに作業を行います 。
- Sphinxは、フィールドデータ の部分インデックス更新を許可しません。
- Sphinxでは、 すべてのドキュメントIDは、一意の符号なし非ゼロ整数番号 でなければなりません。 Solr は、多くの操作 に一意のキーを必要とせず、一意のキーは整数または文字列のいずれかです。
- Solrは、 field collapsing （現在は追加のパッチとしてのみ）をサポートして、同様の結果の重複を防ぎます。 Sphinxはこのような機能を提供していないようです。
- SphinxはドキュメントID のみを取得するように設計されていますが、Solrでは、ほぼすべての種類のデータを含むドキュメント全体を直接取得でき、外部データストアからより独立して、余分な往復。
- Solrは、組み込みで使用される場合を除き、TomcatやJettyなどの Java web container で実行され、 追加の特定の構成とチューニング （または 付属のJetty を使用して、
Java -jar start.jar）。 Sphinxには追加の構成はありません。
関連する質問：
独自の方法で検索機能を拡張する必要がない限り、Sphinxが最善の策です。
スフィンクスの利点：
- 開発とセットアップが高速化
- はるかに優れた（そして高速な）集約。これは私たちにとってキラーな機能でした。
- XMLではありません。これが最終的にSolrを排除したものです。 Solrの集計が不足していたため、かなり大きな結果セットを返して（数百の結果を考えて）自分で集計する必要がありました。 XMLとの間でシリアル化する時間は、パフォーマンスを完全に低下させました。ただし、結果セットが小さい場合は、まったく問題ありませんでした。
- オープンソースアプリで見た最高のドキュメント
Solrの利点：
- 拡張できます。
- Webアプリから直接ヒットすることができます。つまり、オートコンプリートのような検索をAJAX経由で直接Solrサーバーにヒットさせることができます。
注：同じ質問を念頭に置いた多くのユーザーがいます。
だから、ポイントに答えるために：
これはなぜですか？
Webアプリ（サイト検索エンジン）で使用する場合は、Solrを使用します。 APIのおかげで、間違いなく素晴らしいものになるでしょう。あなたは間違いなくウェブアプリのためにその力が必要になります。
Sphinxを使用すると、大量のドキュメント/ファイルをすばやく検索することができます。インデックスも非常に高速です。検索結果を取得するためにJSONやXMLを解析するアプリでは使用しないことをお勧めします。直接dB検索に使用します。 MySQLでうまく機能します。
代替案
これらは巨人ですが、もっとたくさんあります。また、これらを使用してカスタムフレームワークを強化するものもあります。だから、私はあなたが本当に見逃していないと言うでしょう。 elasticsearch が1つありますが、これは優れたユーザーベースを持っています。
私はもう1年近くSphinxを使っていますが、すごいです。 MacBookでは約1分で150万件のドキュメントのインデックスを作成でき、サーバーではさらに高速です。また、特定の緯度と経度内の場所に検索を制限するためにSphinxを使用していますが、非常に高速です。また、結果のランク付け方法は微調整できます。チュートリアルを1つまたは2つ読んだ場合、インストールとセットアップが簡単です。ほぼ1.0のステータスですが、リリース候補は堅実です。
Lucene/Solrはより多くの機能を備えており、長年のビジネスとはるかに強力なユーザーコミュニティがあります。 （私たちではなく）直面していると思われる初期設定の問題を乗り越えることができれば、Lucene/Solrが最善の策だと思います。