|
本文轉(zhuǎn)載自xum2008的博客,，主要介紹13款現(xiàn)有的開源搜索引擎，你可以將它們用在你的項(xiàng)目中以實(shí)現(xiàn)檢索功能,。
1. Lucene Lucene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(duì)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/ 2. Sphinx 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/ 3. Xapian 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:/// 4. 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(duì)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./ 5. DataparkSearch 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./ 6. Zettair 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 7. Indri 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(tái),，API接口支持Java,，PHP,，C++. 官方主頁：http://www./indri/ 8. Terrier 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:/// 9. Galago Galago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./ 10. Zebra Zebra是一個(gè)用C語言實(shí)現(xiàn)的檢索程序,，特點(diǎn)是對(duì)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 11. Solr Solr是一個(gè)用java開發(fā)的獨(dú)立的企業(yè)級(jí)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/ 12. Elasticsearch Elasticsearch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./ 13. Whoosh 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 |
|
|
