Search ApacheLucene vs谷歌搜索设备

有人见过ApacheLucene的特性吗？我听说它甚至可以与谷歌搜索设备（GSA）相媲美。如果可能的话，我想在两者之间做一个明确的比较

---

网上提供的这些比较非常模糊。

在Apache Lucene和Google搜索设备之间可能很难找到比较，因为它们是如此不同的东西。Lucene是一个内置基本相关性“增强”的文档索引软件组件，而GSA是一个企业搜索产品（设备/物理硬件），具有很多现成的功能，可以根据Google搜索算法调整和优化搜索结果

因此，它们基本上是两个具有不同实现场景的伟大工具。但当然重叠，尤其是当用于在普通网站上提供搜索时

在我的脑海中，您可能想从几个主题开始进行比较：

部署/架构

• Lucene是一个软件组件，可以深入集成到您自己的软件中，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
• lucene项目提供了一个相当大的分析器列表，可以对不同的语言（西语、阿拉伯语、亚语等）进行propper索引，但是分析器还有改进的余地
• Lucene for.Net是集成在Microsoft.Net平台上的一个非常流行的端口
• GSA软件和硬件捆绑在一起，作为带有HTTP（s）接口的设备出售，提供HTML（通过其自己的XSLT）或XML（以便更好地集成到您的网站）形式的搜索结果
• GSA附带语言包（已安装并可下载）。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，您可能需要向基础架构添加另一个GSA（如果所有必需的语言不在一个包中）
• GSA性能优异，只需很少的维护
• GSA让您几乎无需任何工程努力即可实现规模化。可以通过web界面设置全球分布但连接的GSA
• GSA可以通过购买更便宜的热备份模块来实现HA

索引编制

• Lucene提供了爬虫程序（和爬虫API）来索引内容。它不在乎你的爬虫程序是否真的像谷歌一样对网站进行爬网，或者你是否基于SQL语句对数据库进行爬网，或者提供从平面文件读取的文本流。但是，如果提供的爬虫程序不适合您的需要，通常您必须实现爬虫程序
• GSA使用谷歌使用的爬虫技术，尊重机器人指令（TXT或Meta标记），它为无法爬网的源（即它们之间没有链接）提供了一个提要API，并支持设置对所有数据库的SQL查询，以便从数据库中检索数据（无论是要爬网的URL还是数据本身）

检索/相关性调整

• Lucene不针对相关性调整，也不支持相关性调整（除了增加索引中的条目）。由应用程序使用索引结果进行调整
• Lucene是SOLR使用的索引，它提供了更类似于GSA的调优和体系结构（包括通过HTTP的结果检索）
• GSA允许您根据元数据、日期和URL模式对结果集进行偏移。在最新版本中，您甚至可以设置自己的实体，并根据它们对结果进行偏移
• GSA支持元数据的开箱即用方面以及界面上的一些更奇特的东西，如文档的预览图像、自动建议等

商业物品

• Lucene是一种开源（无成本）产品，但需要购买硬件
• 50万个文档/URL的GSA起价约为2万美元
• 谷歌提供了几个支持级别
• GSA许可证必须在2年或3年的基础上更新（您可以获得新的硬件）
• GSA不需要任何额外的硬件（包括设备）

……还有很多要补充的，但我希望你能理解

---

2016年2月更新：

---

谷歌已通知合作伙伴，GSA将于2019年左右停产。目前最适合链接的网站似乎是。

我不同意这一评论

Lucene的目标不是相关性调整，也不支持相关性调整（除了增加索引中的条目）。这取决于使用索引结果进行调优的应用程序

考虑到有关于基于Lucene的相关性调优的整本书（是的，这是我的书）都同意，我对“调优”的领域不够具体。Lucene提供了一种评分机制，可以在文档和字段级别以及在查询时提高分数。但是，使用lucene应用业务规则（SORL、ElasticSearch等提供了此类机制）仍然取决于应用程序。你能解释一下你具体不同意的地方吗？我会相应地更新我的答案。谢谢。最好将GSA与弹性搜索（）或Solr（）进行比较。两者都更适合开发搜索引擎，并且都基于Lucene。