Solr

  1. 支持添加多种格式的索引，如：HTML、PDF、微软 Office 系列软件格式以及 JSON、XML、CSV 等纯文本格式。
  2. Solr比较成熟、稳定。
  3. 不考虑建索引的同时进行搜索，速度更快。

ElasticSearch

  1. Elasticsearch是分布式的。不需要其他组件，分发是实时的，被叫做”Push replication”。
  2. Elasticsearch 完全支持 Apache Lucene 的接近实时的搜索。
  3. 处理多租户（multitenancy）不需要特殊配置，而Solr则需要更多的高级设置。
  4. Elasticsearch 采用 Gateway 的概念，使得完备份更加简单。
  5. 各节点组成对等的网络结构，某些节点出现故障时会自动分配其他节点代替其进行工作。

对比

  • Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能;

  • Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式；

  • Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供；

  • Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch。

    Solr 查询快，但更新索引时慢（即插入删除慢），eg：电商等查询多的应用；

    ES建立索引快（即查询慢），即实时性查询快，eg：facebook新浪等搜索。

solr/es的特点：

  1. 源自搜索引擎，侧重搜索与全文检索。
  2. 数据规模从几百万到几千万不等，数据量过亿的集群特别少。 Ps:有可能存在个别系统数据量过亿，但这并不是普遍现象（就像oracle的表里的数据规模有可能超过hive里一样，但需要小型机）。

solr/es的索引：

  1. 一级跳跃表是完全load在内存中的，除了需要消耗很多内存，首次打开索引的加载速度会特别慢，在solr\es中的索引是一直处于打开状态的，不会频繁的打开与关闭；这种模式会制约一台机器的索引数量与索引规模，通常一台机器固定负责某个业务的索引。
  2. 排序和统计（sum，max，min），是通过遍历倒排表，将某一列的全部值都load到内存里，然后基于内存数据进行统计即使一次查询只会用到其中的一条记录，也会将整列的全部值都load到内存里,台浪费资源，首次查询的性能太差。数据规模受物理内存限制很大，索引规模上千万后OOM是常事。
  3. 索引存储在本地硬盘，出现异常后，因为数据要恢复，copy的时间要太久。
  4. 支持master/slave模式，但是跟传统mysql数据库一样，集群规模并没有特别大的。
  5. 这种模式处理集群规模受限外，每次扩容的数据迁移将是一件非常痛苦的事情，数据迁移时间太久。
  6. 倒排检索即使某个词语存在数据倾斜，因数据量比较小，也可以将全部的doclist都读取过来（比如说男、女），这个doclist会占用较大的内存进行cache，当然在数据规模较小的情况下占用内存不是特别多，查询命中率很高，会提升检索速度，但是数据规模上来后，这里的内存问题越来越严重。
  7. Merger server只能是一个，制约了查询的节点数量；数据不能进行动态分区，数据规模上来后单个索引太大。