欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

浅谈Coreseek、Sphinx-for-chinaese、Sphinx+Scws的区别

程序员文章站 2024-04-01 19:34:10
sphinx是一个基于sql的全文检索引擎;普遍使用于很多网站 sphinx的特性如下: a)  高速的建立索引(在当代cpu上,峰值性能可达到10 mb/秒...

sphinx是一个基于sql的全文检索引擎;普遍使用于很多网站

sphinx的特性如下:

a)  高速的建立索引(在当代cpu上,峰值性能可达到10 mb/秒);

b)  高性能的搜索(在2 – 4gb 的文本数据上,平均每次检索响应时间小于0.1秒);

c)  可处理海量数据(目前已知可以处理超过100 gb的文本数据, 在单一cpu的系统上可处理100 m 文档);

sphinx本身对中文的支持并不好。

主要体现在对一段话断词;英文只需按照空格对其分词即可;但对于博大精深的中文来说,却是件困难的事情。

分词在两个地方会用到;

1、索引时,根据分词索引原始数据

2、搜索时,对用户输入分词,到索引中查询

目前最常用的三种方案coreseek、sphinx-for-chinaese、sphinx+scws

1、coreseek 为国人基于sphinx开发的方案,目前最稳定版,是基于经典的sphinx0.9.9版

优点:有成熟的文档、以及社区;其分词mmseg为目前国内最为好用分词,索引和搜索分词都可以用到;

缺点:深度开发、版本更新较慢;索引较慢

策略:一个词库管理后台,维护词库;定期生成字典;此套件会自动分词索引;

适用场景:普通青年、搭建差不多的搜索,适用于普遍网站

2、sphinx-for-chinaese 为国人2基于经典的sphinx0.9.9版开发的扩展版

优点:部署简单,易操作,内嵌分词和词库,索引和搜索分词都可以用到;

缺点:版本更新较慢;分词较弱;索引相对较慢

策略:同一

适用场景:普通青年、快速搭建搜索的小站

3、sphinx+scws 为两套独立系统,单独部署,所谓高内聚低耦合,强烈推荐

优点:两套系统,相对独立,各自单独server;分词可以做其他用途;版本更新较快;

缺点:部署稍复杂,使用稍复杂;索引分词只能用一元分词,数据量较大

策略:词库管理外;使用时,先调用分词服务,后调用搜索

适用场景:文艺青年、搭建像样点的搜索;好吧文艺青年

以上这篇浅谈coreseek、sphinx-for-chinaese、sphinx+scws的区别就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。