Apache Lucene

Apache Lucene
Grunnleggende data
utvikler	Apache Software Foundation
Gjeldende  versjon	8.7.0 ( 3. november 2020 )
operativsystem	Plattformuavhengig
programmeringsspråk	Java
kategori	Programbibliotek
Tillatelse	Apache-lisens
Tysktalende	Nei
lucene.apache.org

Apache Lucene er et programbibliotek for fulltekstsøk . Lucene er gratis programvare og et prosjekt fra Apache Software Foundation .

Lucene brukes av Wikipedia (bare direkte siden 2014 via Elasticsearch ) . Spesielt Twitter gir et eksempel på Lucenes ytelse og skalerbarhet .

historie

Lucene ble utviklet av Doug Cutting og var opprinnelig tilgjengelig via SourceForge siden 1997 . Navnet Lucene er mellomnavnet til kona til Doug Cutting.

I 2001 ble Lucene en del av Jakarta-prosjektet og i 2005 et stort prosjekt fra Apache Software Foundation. Apache Lucene-prosjektet gir noen ganger opphav til videreførte prosjekter.

I juni 2021 ble funksjonaliteten til Indri (programvaren) SearchEngine Lucene lagt til, noe som betyr slutten på det opprinnelige prosjektet og har produsert etterfølgeren Lucindri .

Prosjekter basert på Lucene

Lucene Core

Kjernen i prosjektet Lucene, Lucene Core eller kortfattet Lucene , tidligere også kalt Lucene Java , er et programbibliotek som er skrevet på Java- programmeringsspråket .

På den ene siden lager Lucene en indeks fra filer som er omtrent en fjerdedel av volumet av de indekserte filene. På den annen side leverer Lucene deretter søkeresultater med en rangeringsliste, som flere søkealgoritmer er tilgjengelige for.

Lucene.Net

Lucene.Net er en oversettelse av Lucene til programmeringsspråket C # med tilpasning av programmeringsgrensesnittet til .NET- plattformen.

Lucy

Lucy er en port fra Lucene til programmeringsspråket C for språkforbindelser til dynamiske programmeringsspråk som Perl .

PyLucene

PyLucene er en utvidelse av Python for å inkludere en wrapper med et Java runtime-miljø for Lucene.

Droids

Droids er et rammeverk for roboter / crawlere . Droids-prosjektet ble avviklet 1. november 2015.

Solr

Solr er en Lucene-basert frittstående implementering av en søkeserver. Solr ble opprinnelig utviklet av CNET og kalt Solar. Navnet var en forkortelse for Search on Lucene and Resin . Solr-nedlastingen inkluderer en konfigurasjon med Jetty som et eksempel . Solr inkluderer en REST-lignende API. Solr kommuniserer ved hjelp av Hypertext Transfer Protocol . Ved hjelp av HTTP POST kan et bredt utvalg av filformater fra XML til JSON til PDF tas opp og dokumenter kan også opprettes. Spørringer gjøres ved hjelp av HTTP GET.

Tika

Tidligere var Tika en del av Lucene-prosjektet, brukes av Solr og er en parser . Den trekker ut metadata eller strukturert tekst fra en rekke dokumentformater ved hjelp av spesialiserte (om mulig eksisterende) biblioteker som Apache PDFBox eller Apache POI , som adresseres jevnt over Tika og kan velges automatisk.

Nutch

Nutch pleide å være en del av Lucene-prosjektet og er basert på Solr .

Andre Lucene-derivater ble opprettet utenfor prosjektet.

funksjonalitet

Lucene bruker Tf-idf-måling og henting av vektorrom for å evaluere søketreff.

litteratur

• Manfred Hardt, Fabian Theis: Utvikling av søkemotorer med Apache Lucene. Utvikler. Press, 2004.
• Erik Hatcher et al.: Lucene in Action. Manning, 2005 (om Lucene 1.4), 2. utgave 2010 (om Lucene 3.0).
• Florian Hopf: Fleksibelt søk med Lucene. I: Java aktuell. Utgave 4-2013, s. 31 ff.

weblenker

• www.lucenetutorial.com - Introduksjon på engelsk
• www.jaxenter.de - Apache Solr og ElasticSearch

Individuelle bevis