Algunas opciones

• Lucene
• Solr
• Elasticsearch

Lucene

• Lucene se define de la siguiente manera
  • "provides Java-based indexing and search technology, as well as spellchecking, hit highlighting and advanced analysis/tokenization capabilities"
• Es una biblioteca de "bajo nivel" para montar motores de búsqueda

Solr

• Solr se define de la siguiente manera
  • "high performance search server built using Lucene Core, with XML/HTTP and JSON/Python/Ruby APIs, hit highlighting, faceted search, caching, replication, and a web admin interface"
• Es un motor de búsqueda que facilita las tareas que haríamos programáticamente con lucene además de incluir toda una serie de funcionalidades extra muy interesantes

elastic

• Se define en la wikipedia de la siguiente manera
  • "Elasticsearch is a search server based on Lucene. It provides a distributed, multitenant-capable full-text search engine with a RESTful web interface and schema-free JSON documents. Elasticsearch is developed in Java and is released as open source under the terms of the Apache License"
• Es otro motor de búsqueda basado en lucene

Qué opción tomar

• Lucene si necesitas añadir una funcionalidad avanzada pero sencilla de búsqueda a tu aplicación
• Solr o elastic si necesitas funciones de búsqueda realmente avanzadas a tu sistema

Solr o elastic

• elastic nace mucho después que Solr y presenta algunas ventajas
  • Pensado para escalar horizontalmente desde su nacimiento
  • Pensado para que se pueda configurar, gestionar y explotar con un api REST
  • Más sencillo de configurar a nivel general

Primeros pasos

• Puntos a considerar
• Conceptos
• Insertar documentos
• Consultar documentos

Puntos a considerar

• Elastic es un motor de búsqueda orientado a documentos
• A la hora de buscar documentos se ejecuta un algoritmo de scoring que puntúa los documentos 
• Es muy importante definir correctamente la estructura de los documentos
• Es muy importante identificar los tipos de consultas y como queremos que estas se comporten 

Puntos a considerar

• Primero optimizar las consultas para que sean precisas
• Después optimizar para escalar

Conceptos

• Índice es equivalente a un esquema de base de datos
• Tipo es equivalente a una tabla. Realmente es un tipo de documento

Insertar documentos

• Previo a introducir un documento en el índice este se analiza
  • Troceándolos en palabras (tokenizer)
  • Aplicando transformaciones sobre las palabras como como pasar las palabras a minúsculas (filters)
  • Evitando que ciertas palabras entren al índice como determinantes, artículos, ... (filters)
  • ...

Insertar documentos

• Elastic ofrece toda una serie de analizadores preconfigurados y la posibilidad de crear analizadores personalizados
• Uno muy interesante es el snowball analyzer
• Los analizadores se definen a nivel de índice para que puedan ser usados en los diferentes tipos

Tipos

• En un índice puede haber documentos de diferentes tipos
• Cada tipo presenta unas propiedades
• Estas propiedades pueden ser analizadas, no analizadas y no indexadas

Insertar documentos

• Debemos indexar solo aquellos campos que van a ser usados en búsquedas
• Debemos analizar solo los campos que sea necesario
• Debemos usar los analizadores menos costosos siempre que sea posible

Consultar documentos

• Para consultas elastic ofrece queries y filters
• Aunque sintácticamente son muy parecidos su uso es bastante diferente
• Las queries deben ser usadas para todos aquellos casos en los que respondemos a cómo de bien este documento responde a...
• Las queries implican ejecutar el algoritmo de scoring y por tanto son costosas
• Los filtros sin embargo simplemente determinan si un documento cumple o no una condición y son facilmente cacheables