ElasticSearch vs Solr 总结

1.ElasticSearch vs Solr 总结
（1）二者安装都很简单。
　　（2）Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。
　　（3）Solr 支持更多格式的数据，比如JSON、XML、CSV，而 Elasticsearch 仅支持json文件格式。
　　（4）Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供
　　（5）Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch。(当实时建立索引时, Solr会产生io阻塞，查询性能较差, Elasticsearch具有明显的优势。随着数据量的增加，Solr的搜索效率会变得更低，而Elasticsearch却没有明显的变化)
　　（6）Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。
2.solr的关键特性
1.基于标准的开放接口：Solr搜索服务器支持通过XML、JSON和HTTP查询和获取结果。

2.易管理：Solr可以通过HTML页面管理，Solr配置通过XML完成。

3.可伸缩性：能够有效地复制到另外一个Solr搜索服务器。

4.灵活的插件体系：新功能能够以插件的形式方便的添加到Solr服务器上。

5.强大的数据导入功能：数据库和其他结构化数据源现在都可以导入、映射和转化。

正排索引（正向索引）：正排表是以文档的ID为关键字，表中记录文档中每个字的位置信息，查找时扫描表中每个文档中字的信息直到找出所有包含查询关键字的文档。

正排表结构如图1所示，这种组织方法在建立索引的时候结构比较简单，建立比较方便且易于维护;因为索引是基于文档建立的，若是有新的文档加入，直接为该文档建立一个新的索引块，挂接在原来索引文件的后面。若是有文档删除，则直接找到该文档号文档对应的索引信息，将其直接删除。但是在查询的时候需对所有的文档进行扫描以确保没有遗漏，这样就使得检索时间大大延长，检索效率低下。

尽管正排表的工作原理非常的简单，但是由于其检索效率太低，除非在特定情况下，否则实用性价值不大。

倒排索引（反向索引）：倒排表以字或词为关键字进行索引，表中关键字所对应的记录表项记录了出现这个字或词的所有文档，一个表项就是一个字表段，它记录该文档的ID和字符在该文档中出现的位置情况。

111.png

　　由于每个字或词对应的文档数量在动态变化，所以倒排表的建立和维护都较为复杂，但是在查询的时候由于可以一次得到查询关键字所对应的所有文档，所以效率高于正排表。在全文检索中，检索的快速响应是一个最为关键的性能，而索引建立由于在后台进行，尽管效率相对低一些，但不会影响整个搜索引擎的效率。 倒排表的结构图如图2：

222.png

3，solr索引创建流程：
分词组件Tokenizer

分词组件(Tokenizer)会做以下几件事情(这个过程称为：Tokenize)，处理得到的结果是词汇单元（Token）。

1、将文档分成一个一个单独的单词。

2、去除标点符号。

3、去除停词（stop word）（在”、“里面”、“也”、“的”、“它”、“为”这些词都是停止词）。

语言处理组件

语言处理组件(linguistic processor)主要是对得到的词元(Token)做一些语言相关的处理。对于英语，语言处理组件(Linguistic Processor)一般做以下几点：

1、变为小写（Lowercase）

2、将单词缩减为词根形式

3、将单词转换为词根形式

索引组件（Indexer）

1、利用得到的词（Term）创建一个字典

2、对字段进行排序

3、合并相同的词和词出现的文档