自然语言处理系列六十九》搜索引擎项目实战》搜索框架技术选型

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《自然语言处理原理与实战》（人工智能科学与技术丛书）【陈敬雷编著】【清华大学出版社】

自然语言处理系列六十九

搜索引擎项目实战》搜索框架技术选型

搜索引擎框架前面讲到过Lucene、Solr Cloud和Elasticsearch，这几个框架做垂直搜索引擎就是非常不错的选择。但选择哪个更好一些呢？做这个选择需要综合考虑到几点因素，第一要看的技术框架本身哪个更合适，其次考虑自己团队的开发人员对哪个框架更熟悉、研发成本更低，在技术框架相对差不多的情况下，应该选择开发人员都熟悉的一个框架。那么还有一个考虑的因素就是开发的工作量，就是用哪个框架开发的更快选择哪个。这几个因素是需要综合衡量，权衡利弊的，相同的项目也要根据每个公司不同的情况分别对待。下面根据纯技术角度来评估哪个搜索框架更合理。
Lucene是单机版的，适合数据量比较小的情况。但在公司实际业务中，需要考虑到公司的发展因素，未来几个月、半年、一年业务会发展到什么程度，如果能预见到数据量会快速增长，那么就需要考虑的长远一些。Lucene是单机版并不能满足数据日益增长的需求，后面再切换到分布式搜索Solr Cloud或Elasticsearch，开发成本就会成倍增加，代码需要再修改一遍。所以把公司业务发展因素考虑进去，一般不建议使用Lucene，可以直接使用Solr Cloud或Elasticsearch。分布式搜索支持多个节点的分布式，当然也支持单个节点。所以数据量小的时候部署单个节点或者比较少的节点，当数据量增大在根据情况增加节点扩展即可。那么下面就从以下几个方面来对比Solr Cloud和Elasticsearch即可。
1. 历史比较
Apache Solr是一个成熟的项目，拥有庞大而活跃的开发和用户社区，以及Apache品牌。Solr于2006年首次发布到开源，长期以来一直占据着搜索引擎领域，并且是任何需要搜索功能的人的首选引擎。它的成熟转化为丰富的功能，而不仅仅是简单的文本索引和搜索； 如分面，分组，强大的过滤，可插入的文档处理，可插入的搜索链组件，语言检测等。Solr 在搜索领域占据了多年的主导地位。然后，在2010年左右，Elasticsearch成为市场上的另一种选择。那时候，它远没有Solr那么稳定，没有Solr的功能深度，没有思想分享，品牌等等。Elasticsearch虽然很年轻，但它也自己的一些优势，Elasticsearch 建立在更现代的原则上，针对更现代的用例，并且是为了更容易处理大型索引和高查询率而构建的。此外，由于它太年轻，没有社区可以合作，它可以自由地向前推进，而不需要与其他人（用户或开发人员&#x