Apache Lucene vs Google Search Appliance

Question

有没有人遇到过Apache Lucene的特性？我听说它甚至可以和Google Search Appliance (GSA)相媲美。我在寻找两者之间的明确比较，如果可能的话？

网上提供的这些比较相当模糊。

Answer 1

可能很难在Apache Lucene和Google Search Appliance之间找到比较，因为它们是如此不同的东西。Lucene是一个软件组件，用于索引具有基本相关性的文档，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，可以基于Google搜索算法调整和优化搜索结果。

因此，它们基本上是两个伟大的工具，具有不同的实现场景。但当然会有重叠，特别是如果用来在你的普通网站上提供搜索。

在我的脑海中，有几个你可能想要开始比较的话题：

Deployment/Architecture

• Lucene是一个软件组件，可以深度集成到你自己的软件中，提供一个索引(通常基于文件，有时在内存中)来快速索引和检索内容。
• 这个lucene项目提供了一个相当大的分析器列表，可以对不同语言(西方语言，阿拉伯语，亚洲等等)进行适当的索引。但有改进的空间与analyzers
• Lucene的.Net是一个相当流行的端口，以集成在微软的.Net Plattforms.
• GSA软件和硬件捆绑在一起，并出售与一个(S)接口提供超文本标记语言(通过它自己的XSLT)或可扩展标记语言(为了更好地集成到您的网站)的搜索结果的.Net
• GSA附带语言包(安装和下载)。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，您可能需要在基础架构中添加另一个GSA (如果所有需要的语言都不在一个包中)
• GSA的性能非常出色，并且只需要很少的maintenance
• GSA，让我们几乎不需要任何工程工作就可以扩展。可通过web设置分布在全球各地但已连接的interface
• GSA通过购买更便宜的热备份模块

即可实现高可用性

索引

• Lucene提供了爬虫(和爬虫API)来索引内容。它不关心你的爬虫是否真的像谷歌一样爬行网站，或者你是基于SQL语句爬行数据库，还是提供从平面文件中读出的文本流。但通常情况下，如果提供的不符合您的需求，则必须实现爬虫
• GSA使用谷歌使用的爬虫技术，遵守机器人指令(在TXT或Meta标签中)，它为无法爬网的源提供feed API (即它们之间没有链接)，并且它支持设置到所有市长DB的SQL查询，以便从数据库中检索数据(无论是要爬行的URL还是数据本身)

检索/相关性调整

• Lucene没有针对也没有很好的支持相关性调优(除了提升索引中的条目)。这是由使用索引结果的应用程序来做的，tuning
• Lucene是SOLR使用的索引，它提供了更类似于GSA的调优和架构(包括基于HTTP(S)的结果检索)
• GSA让您可以基于元数据、日期和URL模式来偏置结果集。在最新版本中，您甚至可以设置自己的实体并基于这些实体对结果进行偏差
• GSA支持元数据的开箱即用的方面，以及界面上的一些更花哨的功能，如文档的预览图像、自动建议等。

商业事物

GSA purchased

• GSA是一种开源(免费)产品，但要求硬件必须是documents/URLs

• Google起价约20,000美元/ 500k hardware)

• GSA提供多个支持级别的

许可证必须每2年或3年续订一次(您将获得新的GSA不需要任何额外的硬件(包括设备)

...还有很多要补充的，但我希望你能明白这一点.

2016年2月更新：

谷歌已经通知合作伙伴，GSA将在2019年左右停止使用。目前最好的链接站点似乎是http://fortune.com/2016/02/04/google-ends-search-appliance/。