全文检索框架的介绍与比较

全文检索框架的介绍与对比

主流框架介绍

Lucene：基于Java的开源全文检索引擎工具包，适用于需要自研搜索框架。
ElasticSearch：基于Lucene，开源的高扩展的分布式全文检索引擎。它可以近乎实时（延迟1秒）的存储、检索并处理PB级别的数据。仅支持json(可通过插件支持其他格式)，适合实时查询，用于索引更新频繁，需求实时查询的系统。
Solr：基于Lucene，独立的企业级搜索应用服务，支持pdf、word、txt等格式，索引插入时查询效率会降低，不适合近实时查询。
Xapian：基于C++，和Lucene一样，Xapian只是一个搜索引擎工具库，用户可以在其上自己扩展其适合的应用。
Sphinx：基于C++，与MySQL紧密结合，增量索引支持麻烦， sphinx本身不支持中文分词，配置简单，功能单一。

ElasticSearch和Solr对比

对比项目	ElasticSearch	Solr
支持文档类型	仅Json，通过插件（Ingest-Attachment）支持Word等格式	Json，Word等
文本操作	使用上述插件，对主流格式文件的文本抽取及自动导入	通过内置功能导入文档
中文分词	支持	支持
查询速度	实时索引时速度比solr快	对已有数据检索较快，实时索引会阻塞导致查询速度变慢
分布式	自带分布式管理，扩展性好	支持，需要zookeeper管理，扩展性好
流行度	高，资料丰富	低于ElasticSearch