21

有没有人接触过 Apache Lucene 的特性？我听说它甚至可以与 Google Search Appliance (GSA) 媲美。如果可能的话，我正在寻找两者之间的明确比较？

在线提供的这些比较非常模糊。

4

1 回答 1

38

可能很难找到 Apache Lucene 和 Google Search Appliance 之间的比较，因为它们是如此不同。虽然 Lucene 是一个用于索引文档的软件组件，内置了基本相关性“增强”，但 GSA 是一个企业搜索产品（设备/物理硬件），具有许多开箱即用的功能，可以根据以下内容调整和优化搜索结果谷歌搜索算法。

因此，它们基本上是两个具有不同实现场景的出色工具。但当然重叠，特别是如果用于在您的普通网站上提供搜索。

在我的脑海中，您可能想开始比较一些主题：

部署/架构

  • Lucene 是一个软件组件，可以深度集成到您自己的软件中，提供索引（通常基于文件，有时在内存中）以快速索引和检索内容。
  • lucene 项目提供了相当多的分析器列表来对不同的语言（西方语言、阿拉伯语、亚洲语言等）进行适当的索引，但分析器还有改进的空间
  • .Net 的 Lucene 是一个非常流行的端口，可以集成到 Microsoft .Net 平台上。
  • GSA 软件和硬件捆绑在一起并作为具有 HTTP(s) 接口的设备出售，以 HTML（通过其自己的 XSLT）或 XML（为了更好地集成到您的网站）提供搜索结果
  • GSA 附带语言包（已安装和可下载）。您必须选择其中一个捆绑包。如果您需要对更多语言的支持，您可能需要将另一个 GSA 添加到基础架构（如果所有必需的语言不在一个包中）
  • GSA 表现出色，几乎不需要维护
  • GSA 让您几乎无需任何工程工作即可进行扩展。全球分布，但可以通过 Web 界面设置连接的 GSA
  • GSA 可以通过购买更便宜的热备份模块来实现 HA

索引

  • Lucene 提供爬虫（和爬虫 API）来索引内容。它并不关心你的爬虫是否真的像谷歌那样爬取网站，或者你是否基于 SQL 语句爬取数据库或提供从平面文件中读取的文本流。但是如果提供的不符合您的需求，通常您必须实现爬虫
  • GSA 使用 Google 使用的爬虫技术，尊重 Robots 指令（在 TXT 或 Meta 标签中），它为无法爬取的源（即它们之间没有链接）提供提要 API，并支持对所有市长 DB 设置 SQL 查询用于从数据库中检索数据（无论是要抓取的 URL 还是数据本身）

检索/相关性调整

  • Lucene 不针对相关性调整，也没有很好的支持（除了提升索引中的条目）。由应用程序使用索引结果进行调整
  • Lucene 是 SOLR 使用的索引，它提供更类似于 GSA 的调优和架构（包括通过 HTTP(s) 检索结果）
  • GSA 让您根据元数据、日期和 URL 模式对结果集进行偏向。在最新版本中，您甚至可以设置自己的实体并根据它们对结果进行偏向
  • GSA 支持元数据的开箱即用方面以及其界面上的一些更花哨的东西，例如文档的预览图像、自动建议等。

商业的东西

  • Lucene 是开源（免费）产品，但需要购买硬件
  • 50 万个文档/URL 的 GSA 起价约为 2 万美元
  • Google 提供多种支持级别
  • GSA 许可证必须每 2 年或 3 年更新一次（您将获得新硬件）
  • GSA 不需要任何额外的硬件（包括设备）

...还有很多要补充的，但我希望你明白这一点。

2016 年 2 月更新：

Google 已通知合作伙伴 GSA 将在 2019 年左右停止使用。目前链接到的最佳站点似乎是http://fortune.com/2016/02/04/google-ends-search-appliance/。

于 2013-05-30T21:28:11.720 回答