搜索引擎solr和elasticsearch - liguangsunls

刚開始接触搜索引擎，网上收集了一些资料。在这里整理了一下分享给大家。

一、关于搜索引擎

搜索引擎（Search Engine）是指依据一定的策略、运用特定的计算机程序从互联网上搜集信息。在对信息进行组织和处理后，为用户提供检索服务。将用户检索相关的信息展示给用户的系统。

搜索引擎包含全文索引、文件夹索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。

一个搜索引擎由搜索器、索引器、检索器和用户接口四个部分组成。搜索器的功能是在互联网中漫游，发现和搜集信息。索引器的功能是理解搜索器所搜索的信息，从中抽取出索引项。用于表示文档以及生成文档库的索引表。

检索器的功能是依据用户的查询在索引库中高速检出文档，进行文档与查询的相关度评价，对将要输出的结果进行排序。并实现某种用户相关性反馈机制。用户接口的作用是输入用户查询、显示查询结果、提供用户相关性反馈机制。

——以上文字百度百科（点击我跳转到相应页面）。很多其它相关搜索引擎介绍请看该文章，如全文搜索引擎、文件夹索引类搜索引擎、元搜索引擎的差别。

二、Lucene

solr和elasticsearch都是基于Lucene实现的。因此这里有必要对Lucene进行介绍。

Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构。提供了完整的查询引擎和索引引擎。部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发者提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能。或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。

Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。

就其本身而言，Lucene是当前以及近期几年最受欢迎的免费Java信息检索程序库。人们常常提到信息检索程序库，尽管与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。

Lucene是一个全文检索引擎的架构。那什么是全文搜索引擎？

全文搜索引擎是名副事实上的搜索引擎，国外具代表性的有Google、Fast/AllTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内著名的有百度（Baidu）。它们都是通过从互联网上提取的各个站点的信息（以网页文字为主）而建立的数据库中。检索与用户查询条件匹配的相关记录。然后按一定的排列顺序将结果返回给用户。因此他们是真正的搜索引擎。

从搜索结果来源的角度，全文搜索引擎又可细分为两种。一种是拥有自己的检索程序（Indexer），俗称“蜘蛛”（Spider）程序或“机器人”（Robot）程序，并自建网页数据库，搜索结果直接从自身的数据库中调用。如上面提到的7家引擎；还有一种则是租用其它引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。