各种开源搜索引擎

C/C++语言： Zettair、lucy、XMLSearch、Omega、Xapian（支持多语言）、Swish++、 Swish—E、Sphinx

Java：Lucene（相关项目支持多语言）、solr、elasticsearch、Katta 、MG4J(Managing Gigabytes for Java)、Egothor、OpenSearchServer、HSearch、campass

其它：Lemur（c/c++、c#、java）、Indri、YaCy、起点R3（中国）、

   其中部分项目是基于其它项目的，如Omega基于Xapian，solr/elasticsearch基于lucene，等等。还有一些其它的开源项目不在词列表，甚至有些也基于以上某个项目开发（如coreseek），在此就不一一列举

除了上面列举的项目之外，还有一些其它的开源项目，但在这里主要想介绍如下几个项目：Zettair、MG4J、Lemur、Lucene系、openSearchServer、Sphinx

Zettair

     由RMIT大学以C语言实现的一个开源索引软件。搜索方面支持 排序、简单的布尔查询及短语查询。使用BSD-style license.

这里要提到一点，倒排文件相关文档最早可追溯到1993年Justin Zobel 提出的文献[1]。之后其又与Alistair Moffat 、Hugh Williams等对算法 进行多次改进从而更有效的进行压缩和检索文本内容。而Zettair就是在原算法作者参与的情况下完成的代码。因此作为 出自学院派之手的Zettair得到外界如此的评价就无可厚非了：

代码简洁精炼，算法高效。是学习倒排索引经典算法的非常好的实例

    Zettair提供了高效的文本索引能力，使用较短的时间就能够索引大量的文本，而且随文本量增大，性能下降较小，网上测试称其索引速度略快于目前其它主流开源搜索软件，包括lucene3.X（当时lucene还没出4.0，4.0的索引部分做了较大优化）。但另一方面zettair提供的搜索特性却相对简单，不能满足通常的使用，想要使用高级的搜索特性还需要用户自己进行二次开发。

官网：http://www.seg.rmit.edu.au/zettair/

MG4J

     MG4J是在由H.Witten，Alistair Moffat和Timothy所写的《深入搜索引擎：海量信息的压缩、索引和查询》(《Managing Gigabyte》信息检索实现方面的经典教材)中被提到的。该项目最初的目的并不是作为搜索引擎而开发。当时作者正为新西兰图书管开发一个数字化图书管理的系统(New Zealand Digital Library（http://www.nzdl.org）)。为了方便管理和检索图书而开发了该系统，后来被命名为MG。但他使用的算法和技术的确也是后来搜索引擎沿用的算法。所以后人可以将MG当作一个搜索引擎来使用，其效率也非常不错。

   H.Witten，早期专注信息检索，之后投身文本挖掘并开发了著名的weka数据挖掘工具（java）。同时写了一本名为《Data Mining：Practical Machine Learning Tools and Techniques》的书介绍该工具的使用。

  Alistair Moffat，对倒排算法的改进有较大的贡献，同Justin Zobel共同发表过多篇关于倒排的文章。

Lemur

   Lemur包主要用于科研机构和大学。基于他的Indri 是一个知名的搜索引擎。该项目由马塞诸塞大学的智能信息检索中心和CMU联合开发。Lemur除了提供搜索的目的之外还可以进行进一步的数据挖掘工作，如文本聚类。该项目提供了其它的文本分析工具和一些公用数据集

Lemur官网：http://www.lemurproject.org/

Lucene系

   Lucene及其衍生的搜索引擎较多。由于其面向商用的最早开源搜索包之一。参与该开源项目的社区人数众多，使得其发展迅速，很开成为公司和个人开发的首选。目前较热门的两个基于lucene的项目是solr和ElasticSearch。Solr版本目前到4.3.1 ，其从4.0后转向cloud。但到目前为止solrcloud项目的稳定性并不是很好，稳定期估计还需要1年以上的时间（solr3.x是非常稳定高效的）；另一面同样基于cloud的ElasticSearch的社区人员较少，但设计和稳定性都不错，开发早于solr4.0 两年左右的时间，所以成熟的较早。更多信息及文档可以参考官网。网上参考资料也比较多

Solr：http://lucene.apache.org/solr/

ElasticSearch：http://www.elasticsearch.org/

openSearchServer

     openSearchServer是由一个法国团队开发的开源项目。它对外提供saas服务。同时也允许免费下载，自己部署。后者还可以购买他们的support，价格非常便宜。OSS提供大部分的高级搜索功能；可以解析大部分格式的文档；提供了XML和Json的REST API；支持17种语言包括中文。监控以及其他高级功能都比较健全，甚至可以和solr相比。OSS同样提供了很多的文档和视屏帮助开发者使用

      OSS最大的亮点是集成了多种爬虫。Web、文件系统和数据库的都有。其性能如何目前没有较严谨的说法。

openSearchServer：http://www.open-search-server.com

Sphinx

   Sphinx是一个基于SQL的全文检索引擎，可以结合MySQL,PostgreSQL做全文搜索，它可以提供比数据库本身更专业的搜索功能，使得应用程序更容易实现专业化的全文检索。Sphinx特别为一些脚本语言设计搜索API接口，如PHP,Python,Perl,Ruby等，同时为MySQL也设计了一个存储引擎插件。由于Sphinx使用hash树处理倒排结构，所以索引搜索速度都很快。Sphinx 十分适用于搜索静态表或更新较少的数据集，而对于处理更新较多的数据集则并不是其强项（由hash树的结构决定），更不适合于实时搜索。如果只是希望加强对数据库数据的搜索，并且索引更新较少，sphinx是不错的选择。

Sphnix中文博客（非官方）：http://www.sphinxsearch.org/

Sphinx官网: http://www.sphinxsearch.com/downloads.html

Ref：

1. Justin Zobel, Alistair Moffat, Ron Sacks-Davis: Searching Large Lexicons for Partially Specified Terms using Compressed Inverted Files.VLDB 1993: 290-301