本文首發於我的部落格
原文連結：Elasticsearch 與 Solr 的比較
Elasticsearch簡介*
Elasticsearch是一個實時的分散式搜尋和分析引擎。它可以幫助你用前所未有的速度去處理大規模資料。
它可以用於全文搜尋，結構化搜尋以及分析，當然你也可以將這三者進行組合。
Elasticsearch是一個建立在全文搜尋引擎 Apache Lucene(TM) 基礎上的搜尋引擎，可以說Lucene是當今最先進，最高效的全功能開源搜尋引擎框架。
但是Lucene只是一個框架，要充分利用它的功能，需要使用JAVA，並且在程式中整合Lucene。需要很多的學習瞭解，才能明白它是如何執行的，Lucene確實非常複雜。
Elasticsearch使用Lucene作為內部引擎，但是在使用它做全文搜尋時，只需要使用統一開發好的API即可，而不需要了解其背後複雜的Lucene的執行原理。
當然Elasticsearch並不僅僅是Lucene這麼簡單，它不但包括了全文搜尋功能，還可以進行以下工作:
- 分散式實時檔案儲存，並將每一個欄位都編入索引，使其可以被搜尋。
實時分析的分散式搜尋引擎。
可以擴充套件到上百臺伺服器，處理PB級別的結構化或非結構化資料。
這麼多的功能被整合到一臺伺服器上，你可以輕鬆地通過客戶端或者任何你喜歡的程式語言與ES的RESTful API進行交流。
Elasticsearch的上手是非常簡單的。它附帶了很多非常合理的預設值，這讓初學者很好地避免一上手就要面對複雜的理論，
它安裝好了就可以使用了，用很小的學習成本就可以變得很有生產力。
隨著越學越深入，還可以利用Elasticsearch更多高階的功能，整個引擎可以很靈活地進行配置。可以根據自身需求來定製屬於自己的Elasticsearch。
使用案例：
- 維基百科使用Elasticsearch來進行全文搜做並高亮顯示關鍵詞，以及提供search-as-you-type、did-you-mean等搜尋建議功能。
英國衛報使用Elasticsearch來處理訪客日誌，以便能將公眾對不同文章的反應實時地反饋給各位編輯。
StackOverflow將全文搜尋與地理位置和相關資訊進行結合，以提供more-like-this相關問題的展現。
GitHub使用Elasticsearch來檢索超過1300億行程式碼。
每天，Goldman Sachs使用它來處理5TB資料的索引，還有很多投行使用它來分析股票市場的變動。
但是Elasticsearch並不只是面向大型企業的，它還幫助了很多類似DataDog以及Klout的創業公司進行了功能的擴充套件。
Elasticsearch的優缺點**:
優點
- Elasticsearch是分散式的。不需要其他元件，分發是實時的，被叫做"Push replication"。
- Elasticsearch 完全支援 Apache Lucene 的接近實時的搜尋。
- 處理多租戶（multitenancy）不需要特殊配置，而Solr則需要更多的高階設定。
- Elasticsearch 採用 Gateway 的概念，使得完備份更加簡單。
- 各節點組成對等的網路結構，某些節點出現故障時會自動分配其他節點代替其進行工作。
缺點
- 只有一名開發者（當前Elasticsearch GitHub組織已經不只如此，已經有了相當活躍的維護者）
- 還不夠自動（不適合當前新的Index Warmup API）
Solr簡介*
Solr（讀作“solar”）是Apache Lucene專案的開源企業搜尋平臺。其主要功能包括全文檢索、命中標示、分面搜尋、動態聚類、資料庫整合，以及富文字（如Word、PDF）的處理。Solr是高度可擴充套件的，並提供了分散式搜尋和索引複製。Solr是最流行的企業級搜尋引擎，Solr4 還增加了NoSQL支援。
Solr是用Java編寫、執行在Servlet容器（如 Apache Tomcat 或Jetty）的一個獨立的全文搜尋伺服器。 Solr採用了 Lucene Java 搜尋庫為核心的全文索引和搜尋，並具有類似REST的HTTP/XML和JSON的API。Solr強大的外部配置功能使得無需進行Java編碼，便可對其進行調整以適應多種型別的應用程式。Solr有一個外掛架構，以支援更多的高階定製。
因為2010年 Apache Lucene 和 Apache Solr 專案合併，兩個專案是由同一個Apache軟體基金會開發團隊製作實現的。提到技術或產品時，Lucene/Solr或Solr/Lucene是一樣的。
Solr的優缺點
優點
- Solr有一個更大、更成熟的使用者、開發和貢獻者社群。
- 支援新增多種格式的索引，如：HTML、PDF、微軟 Office 系列軟體格式以及 JSON、XML、CSV 等純文字格式。
- Solr比較成熟、穩定。
- 不考慮建索引的同時進行搜尋，速度更快。
缺點
- 建立索引時，搜尋效率下降，實時索引搜尋效率不高。
Elasticsearch與Solr的比較*
當單純的對已有資料進行搜尋時，Solr更快。
當實時建立索引時, Solr會產生io阻塞，查詢效能較差, Elasticsearch具有明顯的優勢。
隨著資料量的增加，Solr的搜尋效率會變得更低，而Elasticsearch卻沒有明顯的變化。
綜上所述，Solr的架構不適合實時搜尋的應用。
實際生產環境測試*
下圖為將搜尋引擎從Solr轉到Elasticsearch以後的平均查詢速度有了50倍的提升。
Elasticsearch 與 Solr 的比較總結
- 二者安裝都很簡單；
- Solr 利用 Zookeeper 進行分散式管理，而 Elasticsearch 自身帶有分散式協調管理功能;
- Solr 支援更多格式的資料，而 Elasticsearch 僅支援json檔案格式；
- Solr 官方提供的功能更多，而 Elasticsearch 本身更注重於核心功能，高階功能多有第三方外掛提供；
- Solr 在傳統的搜尋應用中表現好於 Elasticsearch，但在處理實時搜尋應用時效率明顯低於 Elasticsearch。
Solr 是傳統搜尋應用的有力解決方案，但 Elasticsearch 更適用於新興的實時搜尋應用。
其他基於Lucene的開源搜尋引擎解決方案*
直接使用 Lucene
說明：Lucene 是一個 JAVA 搜尋類庫，它本身並不是一個完整的解決方案，需要額外的開發工作。
優點：成熟的解決方案，有很多的成功案例。apache 頂級專案，正在持續快速的進步。龐大而活躍的開發社群，大量的開發人員。它只是一個類庫，有足夠的定製和優化空間：經過簡單定製，就可以滿足絕大部分常見的需求；經過優化，可以支援 10億+ 量級的搜尋。
缺點：需要額外的開發工作。所有的擴充套件，分散式，可靠性等都需要自己實現；非實時，從建索引到可以搜尋中間有一個時間延遲，而當前的“近實時”(Lucene Near Real Time search)搜尋方案的可擴充套件性有待進一步完善
-
說明：基於 Lucene 的，支援分散式，可擴充套件，具有容錯功能，準實時的搜尋方案。
優點：開箱即用，可以與 Hadoop 配合實現分散式。具備擴充套件和容錯機制。
缺點：只是搜尋方案，建索引部分還是需要自己實現。在搜尋功能上，只實現了最基本的需求。成功案例較少，專案的成熟度稍微差一些。因為需要支援分散式，對於一些複雜的查詢需求，定製的難度會比較大。
-
說明：Map/Reduce 模式的，分散式建索引方案，可以跟 Katta 配合使用。
優點：分散式建索引，具備可擴充套件性。
缺點：只是建索引方案，不包括搜尋實現。工作在批處理模式，對實時搜尋的支援不佳。
-
說明：基於 Lucene 的一系列解決方案，包括 準實時搜尋 zoie ，facet 搜尋實現 bobo ，機器學習演算法 decomposer ，摘要儲存庫 krati ，資料庫模式包裝 sensei 等等
優點：經過驗證的解決方案，支援分散式，可擴充套件，豐富的功能實現
缺點：與 linkedin 公司的聯絡太緊密，可定製性比較差
-
說明：基於 Lucene，索引存在 cassandra 資料庫中
優點：參考 cassandra 的優點
缺點：參考 cassandra 的缺點。另外，這只是一個 demo，沒有經過大量驗證
-
說明：基於 Lucene，索引存在 HBase 資料庫中
優點：參考 HBase 的優點
缺點：參考 HBase 的缺點。另外，在實現中，lucene terms 是存成行，但每個 term 對應的 posting lists 是以列的方式儲存的。隨著單個 term 的 posting lists 的增大，查詢時的速度受到的影響會非常大