Solr與Sphinx的比較

來自： http://blog.csdn.net//wgw335363240/article/details/37931941

Coreseek版本：3.2.14 (基于Sphinx 0.9.9 release)

1.索引效率
     Sphinx：10-15MB/秒， 實測最高可對100GB的文本建立索引，單一索引可包含1億條記錄
    Ｓolr:10MB/秒，億條數據,20G索引，新浪目前也采用lucene檢索
2.搜索性能
    Sphinx：高性能搜索，在2-4GB的文本數據上，平均每次檢索響應時間小于0.1秒;在1.2G文本，100萬條文檔上進行搜索，支持高達每秒150~250次查詢；
    Ｓolr:高性能搜索，8G的索引文件，檢索響應時間為150ms。高峰支持500并發/秒。
3.擴展性
    Sphinx：高擴展性
    Ｓolr:高擴展性
4.相關度算法
    Sphinx：基于短語相似度和統計（BM25）的復合Ranking方法，支持動態計算得分
    Ｓolr:支持動態計算得分，也支持索引時計算得分
5.是否支持短語搜索
    支持
    支持
6.是否支持分布式搜索
    支持
    支持
7.是否支持Mysql引擎
    支持
    支持
8.是否支持多個字段全文檢索
    支持
    支持
9.數據交互
    http請求，Xml、Json
    http請求，Xml、Json
10.數據源
     Sphinx：mysql, pgsql, mssql, xmlpipe , xmlpipe2, odbc，python
    Solr：mysql，Xml,json,csv,odbc
11.多索引
    支持
    支持
12.多核(不同去多索引）
    Sphinx：不支持
    Ｓolr:支持

1. 中文分詞的支持比較
             sphinx目前只支持mmseg3,sphinx for chinese兩種分詞，目前大家使用的比較多的是mmseg3。mmseg3的詞庫需要預先編譯，不利于詞庫的擴充。
             Solr目前支持的詞庫比較多，目前支持的有庖丁，IK，mmsegj4,通過比較分詞效果，IK在分詞的查全和查準的效果上更好一些。IK分詞支持設置停用詞和擴展詞庫，擴展詞庫每個詞一行的方式進行擴展。
   
2. 從Mysql數據庫索引數據的支持
           sphinx可以通過配置數據源的方式直接從mysql中索引數據，在數據量比較大的時候，可以設置主索引+增量索引的方式來同步數據。但是主索引需要是根據Ｍysql表的主鍵Ｉd來設置索引范圍，比如Ｉd小于9000,000，Ｉd大于9000,000的通過增量索引來同步。這種只適應Ｉd小于9000,000的數據更新頻繁的情況。
           如果主索引和增量索引是以記錄的最后更新時間來區分的話，由于主索引和增量索引使用的是2個不同的索引文件，這就會造成主索引和增量索引中的數據不一致，導致檢索時出現本不該出現的記錄。這種情況就需要把增量索引合并到主索引中，如果主索引的數據比較大，不確定合并的時間需要多少。
           solr索引mysql數據時，可以配置成主索引+增量索引，主索引和增量索引之間以更新的時間戳為分割線，solr會記錄每次更新的時間戳。由于solr的增量索引和增量索引使用的都是一個索引文件，所以在執行增量索引時會自動合并到最終的索引中。
   
3. 實時檢索的支持
           sphinx本身不支持中文分詞，Coreseek是現在用的最多的sphinx中文全文檢索，它提供了為Sphinx設計的中文分詞包LibMMSeg。Coreseek目前穩定版是3.2.14(基于Sphinx 0.9.9 release開發)，該版本還不支持實時檢索。目前Ｃoresekk4.1還是測試版，測試版本支持實時檢索，但是不太穩定。
           solr的索引支持實時新增、更新和刪除，可以根據記錄的最后更新時間實現增量更新，在增量更新數據不多的情況下，可以設置增量更新任務為10秒更新一次。從而達到數據的實時同步。