问题标签 [lucene]

Lucene.Net 是否适合作为内容频繁变化的搜索引擎？

或者更具体地说，任何人都可以就 lucene.net 索引的更新速度给出主观意见。任何其他搜索频繁变化的内容的方法都会很棒。

我们正在开发一个论坛。论坛帖子将经常添加到论坛存储库中。我们认为我们需要将这些帖子快速添加到 lucene 索引中（<0.5 秒），以便可以搜索。最初在存储库中将有大约 5E6 个帖子。假设搜索引擎在非异国服务器上运行（我知道这很模糊！）。

其他关于解决搜索频繁变化的内容问题的建议表示赞赏。论坛帖子需要在可变数量的命名标签上进行搜索（标签名称和值必须匹配）。基于 SQL 的方法（基于 Toxi 模式）并没有给我们想要的性能。

对 HTML 和 XML 文档（本地或基于 Web）使用并在 Lucene / Solr 解决方案空间中运行良好的爬虫（蜘蛛）是什么？可以是基于 Java 的，但不是必须的。

Lucene QueryParser.parse(string) 是否仍然有效？如果不推荐使用，新语法是什么？

查询查询 = QueryParser.parse("Ophelia");

谢谢塔季扬娜

我已经使用Lucene.NET（2.0 版）实现了对网站的全文搜索。索引和搜索效果很好，但我有一个问题。如果我查找数字（电话号码、产品编号等）作为搜索词，我不会得到任何结果文档。

我正在使用 Lucene.Net.Analysis.SimpleAnalyzer 类。我想我必须更改 Analyzer 和/或 Tokenizer。

有什么建议吗？

谢谢！

我正在研究使用Lucene和/或Solr在 RDBMS 驱动的 Web 应用程序中提供搜索。对我来说不幸的是，我浏览的所有文档都涉及如何从索引中获取数据。我更关心如何建立一个有用的索引。这样做有什么“最佳实践”吗？

我了解 Lucene.net 如何用于文本索引。我能否根据给定的日期范围有效地搜索文档？或者 Lucene.net 会只使用文本匹配来匹配日期吗？

从 stackoveflow.com 的角度来看（由 2-3 名工程师组成的团队构建一个旨在扩展的网站项目），在开发过程的早期花费精力来构建基于 Lucene/Autonomy 的搜索是否有意义……而不是基于数据库全文搜索。

优点/缺点：
对于像 nutch 或自治这样的成熟 Lucene 实现，在后期迁移到 Lucene（这是不可避免的）的成本可以忽略不计。
大量添加额外的索引服务器（比如使用 nutch）来维护不断增长的搜索索引相对容易。
对于 Lucene 实现，我很可能需要一个额外的服务器来维护内存索引（在扩展过程的早期阶段）。

我们有一个管理内容页面的托管应用程序。每个页面可以有许多自定义字段，以及一些标准字段（时间戳、用户名、用户电子邮件等）。

可能有数百个不同的站点使用该系统——处理过滤/搜索的有效方法是什么？想象一个您想要缩小范围的网格视图。您可以过滤特定字段（用户 ID、日期），也可以输入全文搜索。

例如，“所有由 userid 10 开始的页面”将是一个针对 MySQL 数据库的非常快速的查询。但是像“由用户 ID 为 10 且匹配 [某些搜索查询] 的用户启动的所有页面”之类的内容会影响数据库，因此它适用于 Lucene 等搜索引擎。

基本上我想知道其他大型网站是如何做这种事情的。他们是否 100% 使用搜索引擎进行所有类型的过滤？他们是否将数据库查询与搜索引擎混合在一起？

如果我们只使用搜索引擎，那么新/更新对象出现在搜索索引中的延迟时间就会出现问题。也就是说，我读过立即更新索引并不聪明，而是分批进行。即使这意味着每 5 分钟一次，当用户查看一个简单的页面列表（例如“类别：5”的搜索查询）时，当他们最近添加的页面没有立即列出时，用户也会感到困惑。

我们正在使用 MySQL，并且一直在密切关注 Lucene 进行搜索。还有其他我不知道的技术吗？

我的想法是提供一个简单的过滤页面，它使用 MySQL 过滤基本字段。然后提供一个单独的全文搜索页面，该页面将显示类似于 Google 的结果。这是唯一的方法吗？

我发现了一篇关于 Lucene 和地理搜索的有趣文章：

http://sujitpal.blogspot.com/2008/02/spatial-search-with-lucene.html

是否存在我无法找到的等效 .NET 实现，或者我是否必须在他的示例中重新编写 Java 代码以适应 .NET Framework？

有没有办法使用 Zend_Search_Lucene 来搜索/索引 PDF 文档？