Full-text search

А данные как хранятся? Если их в postgresql, например, положить, то там уже есть полнотекстовый поиск. Останется чуток подправить хранимые процедуры и всё.

CLucene через JNI или Sphinx

sphinx вроде обещает быть очень быстрым.

> sphinx вроде обещает быть очень быстрым.

Sphinx не очень хорош по поводу быстро меняющихся данных. Поэтому лучше lucene.

> Кто чего хорошего может посоветовать почитать по теме?

Вам теорию? Information Retrieval или документация по конкретным продуктам?

> Вам теорию? Information Retrieval

ага

> А данные как хранятся? Если их в postgresql, например, положить, то там уже есть полнотекстовый поиск. Останется чуток подправить хранимые процедуры и всё.

Как угодно. Есть даже такой вариант: CD/DVD с документами, индексами и программой.

Поэтому вариант с установкой БД отпадает. Предполагается кроссплатформенность, поэтому pure java (ну или scala, если придётся писать с нуля) предпочтительнее C+JNI.

Набрёл на http://www.egothor.org/

Кто-нибудь щупал это чудо?

> Sphinx не очень хорош по поводу быстро меняющихся данных. Поэтому лучше lucene.

Заказчик говорит, что пробовал lucene-java лет 5 назад — было совсем грустно с этими самыми быстро меняющимися данными. Типа там global lock какой-то. Но тем не менее собираюсь посмотреть на текущее состояние вещей там, когда определимся с требованиями, т.е. хорошим набором тестов, эмулирующих систему заказчика.

> Вам теорию? Information Retrieval или документация по конкретным продуктам?

С точки зрения практики интересует скорее developer, чем user guide таких систем. Что-то сходу ничего путного не нашёл.

Но теория тоже.

> CD/DVD с документами, индексами и программой.

Здесь уже, конечно, об изменении данных речи не идёт. :)

а выбора у вас нет :)
lucene vs sphinx vs xapian

xapian не юзали
с lucene были какие-то траблы точно, сча уже не вспомню
а вот со sphinx как-то сложилось(он же вроде самый быстрый из них, и поддерживает дельты)

По теории начать лучше с этой: http://www.amazon.com/Introduction-Information-Retrieval-Christopher-Manning/...

А так еще: http://www.amazon.com/Search-Engines-Information-Retrieval-Practice/dp/013607... http://www.amazon.com/Managing-Gigabytes-Compressing-Multimedia-Information/d...

Ну и классика: http://www.amazon.com/Modern-Information-Retrieval-Ricardo-Baeza-Yates/dp/020...

> и поддерживает дельты

Это кривохак для добавления данных в индекс (на самом деле поддержка отдельного индекса для последущих обновлений), но никак не поможет с изменением данных в индексе. Перестраивать индекс sphinx не умеет совсем. Вот и быстрый.

Часть книг можно найти в электронном виде.

Спасибо. Почитаем.