站内全文搜索采用什么方案比较快？

[wannianma]

现在站点的内容到达了百万的量，突然发现原来基于 like 的站内搜索已经奇慢无比了，在网上搜了一下好像Sphinx是一种可行的方案，但还是有些纠结。希望大家帮忙提供一下思路

[miaotaizi]

xunsearch

[dong3580]

solr

[jugelizi]

代码可以参考 phpcms 的 sphinx

[acrisliu]

elasticsearch

[wannianma]

@miaotaizi 谢谢，我研究一下！

[wannianma]

@dong3580 solr 只是听说过，会不会太重了？

[sinux]

@acrisliu es 感觉中文分词库没有太好的.....

[2owe]

用过 Coreseek ，基于 Sphinx ，有索引大小限制： 4G ，超过的话得自己搭分布式。官网最近挂了，但网上还能找到很多资料，用起来难度不大。

我用的数据源是 MySQL ，索引的字段内容都不大。

关于使用，我觉得用起来还是挺简单的。用的 PHP 哈。其实代码实现上， XunSearch ， Solr ， Elestic 都差不多。

关于搜索结果，一看分词。 Coreseek 自带中文分词，我觉得用起来还行（比 XunSearch 自带的好一点）， Apache 系的这俩没正式用过，听说分词效果可以调到不错的样子。二看条件过滤， Coreseek 用起来简直像在用搜索速度快很多的 MySQL 。话说，别的用起来也差不多吧。

关于资源占用，感觉内存占用不高，与量有关，与实体索引文件对比大约是： 1vs1 。


===

关于搜索的话题，我也仅仅是浅尝辄止，欢迎讨论哈。

[wannianma]

@sinux 做科研的人其实整理除了一些不错的中文词库，中科院的 ICTCLAS 之前用过听不错。但是中文新词更新太快，词库根本没法做到百分百覆盖

[wannianma]

@jugelizi 谢谢

[HarveyDent]

我们用的是阿里云提供的搜索。

[lijinma]

有钱可以用 阿里云 的 OpenSearch

[xujif]

百万级别直接用数据库的分词搜索足够。 mysql 的 match against pg 的 ts_query

[wannianma]

@xujif 第一次接触，研究一下！

[xiaoz]

反代谷歌， site 搜索

[wannianma]

@xiaoz 之前也考虑过使用百度进行搜索，但是感觉定制性较差

[dong3580]

@wannianma
还好,耗 RAM 大户.
你可以参考它的思想,

[tracymcladdy]

solr+1

[9nix00]

百万这个级别，如果是一般的网站应用，单台 sphinx+redis 毫无压力。

后面如果还会有爆发到上亿规模，还是老老实实上 es 吧。

[wmttom]

elasticsearch + 1