搜索型数据库除了存储数据外，还为数据编制索引，因此用户可以使用关键字搜索数据集合。目前有多种搜索型数据库可供选择，让我们来看看大家比较关注的一些常见功能。

Apache Lucene 索引

Apache Lucene 是一个用 Java 编写的开源库，支持跨平台。Lucene 是最常用的搜索引擎软件之一，被 Apache Solr 和 Elasticsearch 等采用。因为它具有高性能和各种功能，如全文搜索、增量和批量索引、较少的 RAM 需求、排序、具有合并结果的多个索引、连接和分组、可插拔的排名模型以及可配置的搜索引擎。它还支持基于排名和字段的搜索结果，以及不同类型的查询，如短语、通配符、范围和邻近性查询。

文档格式

大多数搜索型数据库支持以 JSON、XML 和 CSV 等常用格式解析文档并编制索引。对于其他文档格式，大多数搜索型数据库都支持 Apache Tika。Tika 是一个软件工具包，支持上千种不同文件类型的文本和元数据提取。

全文搜索

有些搜索型数据库只搜索预定义的标题、元数据或文档摘要，而不是完整的文档文本。可以通过使用关键字、指定字段或短语，或根据与搜索词相近的词进行近似搜索来改进全文搜索。

近实时搜索

近实时(NRT)搜索可在更新完成后的几毫秒内对文档进行搜索。NRT 对用户是透明的，通过有效的 RAM 管理和使用 RAM 来缓存更新，而不是将每次更新与磁盘同步，从而减少了输入/输出 (I/O) 开销。

模式 API(Schema API)

Lucene 支持使用 HTTP URL(语法为 http://:/solr/)搜索集合的 Schema API。使用模式 API，可以添加、更新、搜索和删除集合中的字段。支持的输出格式有 JSON 和 XML。

词干化(Stemming)

词干化是将转折词还原为词干，这样在搜索某个术语时，也会返回带有转折词的文档。例如，下面是从三个不同的文档中提取的三个语句：

• 经过大量测试，应用程序已经开发完成(developed)。
• 应用程序正在开发中(development)。
• 开发应用程序需要大量测试(develop)。

如果这三个文档都被编入索引，在不支持词干处理的情况下，搜索 “develop ”只会返回第三个文档。但如果支持词干处理，则会返回带有“development”和“developed”转折词的文档。

分布式、可扩展和高可用性

大多数搜索型都是分布式的，这意味着它们部署在机器集群上，使数据库具有容错性。大家也比较关注搜索型数据库是否具有可扩展性，以便根据需要增减集群规模。分片用于对索引数据进行分区，这样分片本身就可以复制，从而实现高可用性。

这些功能是大多数搜索型数据库的共同特点，因此在数据库选型时，请结合业务场景需要选择。

关于作者

Deepak Vohra