开源搜索引擎

Name	Family	Description	Website	RK
Lucene	Java	在Java世界中已经是标准的全文检索程序，它提供了完整的查询引擎和索引引擎，没有中文分词引擎，需要自己去实现，因此用Lucene去做一个搜素引擎需要自己去架构.另外它不支持实时搜索，但linkedin和twitter有分别对Lucene改进的实时搜素. 其中Lucene有一个C++移植版本叫CLucene，CLucene因为使用C++编写，所以理论上要比lucene快.	http://lucene.apache.org/
Solr	Java	用java开发的独立的企业级搜索应用服务器，它提供了类似于Web-service的API接口，它是基于Lucene的全文检索服务器，也算是Lucene的一个变种，很多一线互联网公司都在使用Solr，也算是一种成熟的解决方案.	http://lucene.apache.org/solr/
Elasticsearch	Java	基于Lucene构造的开源，分布式的搜索引擎. 设计用于云计算中，能够达到实时搜索，稳定可靠. Elasticsearch的数据模型是JSON.	http://www.elasticsearch.org/
Xapian	C++	用C++编写的全文检索程序，它的api和检索原理和lucene在很多方面都很相似，算是填补了lucene在C++中的一个空缺.	http://xapian.org/
Sphinx	C++	是一个基于SQL的全文检索引擎。特别为一些脚本语言（PHP,Python，Perl，Ruby）设计搜索API接口。 也是现在比较主流的搜索引擎之一，在建立索引的事件方面比Lucene快50%，但是索引文件比Lucene要大一倍，因此Sphinx在索引的建立方面是空间换取事件的策略，在检索速度上，和lucene相差不大，但检索精准度方面Lucene要优于Sphinx，另外在加入中文分词引擎难度方面，Lucene要优于Sphinx.其中Sphinx支持实时搜索，使用起来比较简单方便.	http://sphinxsearch.com/about/sphinx/
Nutch	Java	包括了全文搜索和web爬虫,Nutch是基于Luncene的，Luncene为Nutch提供了文本索引和搜索的API。如果不需要抓取数据的话，应该使用Luncene	http://nutch.apache.org/
Whoosh	Python	唯一的python写的全文搜索引擎，性能不比sphinx、xapian等，不过他很小，安装后才2.61M，容易集成，小站可用。 Whoosh是一个用纯python写的开源搜索引擎.	https://bitbucket.org/mchaput/whoosh/wiki/Home
Datapark search	C	其中网页排序是采用神经网络模型.  其中支持HTTP，HTTPS，FTP，NNTP等下载网页.包括索引引擎，检索引擎和中文分词引擎(这个也是唯一的一个开源的搜索引擎里有中文分词引擎).能个性化定制搜索结果，拥有完整的日志记录.	http://www.dataparksearch.org/
Zettair	C	Zettair是根据Justin Zobel的研究成果为基础的全文检索实验系统.它是用C语言实现的. 其中Justin Zobel在全文检索领域很有名气，是业界第一个系统提出倒排序索引差分压缩算法的人，倒排列表的压缩大大提高了检索和加载的性能，同时空间膨胀率也缩小到相当优秀的水平. 由于Zettair是源于学术界，代码是由RMIT University的搜索引擎组织写的，因此它的代码简洁精炼，算法高效，是学习倒排索引经典算法的非常好的实例. 其中支持linux，windows，mac os等系统.	http://www.seg.rmit.edu.au/zettair/about.html
Indri	C C++	全文检索引擎系统，是由University of Massachusetts和Carnegie Mellon University合作推出的一个开源项目. 特点是跨平台，API接口支持Java，PHP，C++.	http://www.lemurproject.org/indri/
Terrier	Java	开发的一个全文检索系统.	http://terrier.org/
Galago	Java	其中包括索引引擎和查询引擎，还包括一个叫TupleFlow的分布式计算框架(和google的MapReduce很像).这个检索系统支持很多Indri查询语言.	http://www.galagosearch.org/