Manticore,一款基于 C++ 的轻量级搜索引擎,Elasticsearch 的替代品!
10倍提升效率,号称取代 Elasticsearch 的轻量级搜索引擎到底有多强悍?
Manticore Search 介绍
Manticore Search 是一个使用 C++ 开发的高性能搜索引擎,创建于 2017 年,其前身是 Sphinx Search 。Manticore Search 充分利用了 Sphinx,显着改进了它的功能,修复了数百个错误,几乎完全重写了代码并保持开源。这一切使 Manticore Search 成为一个现代,快速,轻量级和功能齐全的数据库,具有出色的全文搜索功能。
Manticore Search目前在 GitHub 收获 3.7k star,拥有大批忠实用户。同时开源者在 GitHub 介绍中明确说明了该项目是是 Elasticsearch 的良好替代品,在不久的将来就会取代ELK中的E。
同时,来自 MS 官方的测试表明 Manticore Search 性能比 ElasticSearch 有质的提升:
在一定的场景中,Manticore 比 Elasticsearch 快 15 倍!完整的测评结果,可以参考:
https://manticoresearch.com/blog/manticore-alternative-to-elasticsearch/
优势
它与其他解决方案的区别在于:
- 它非常快,因此比其他替代方案更具成本效益。例如,Manticore:
- 对于小型数据,比 MySQL 快 182 倍(可重现)
- 对于日志分析,比Elasticsearch 快 29 倍(可重现)
- 对于小型数据集,比 Elasticsearch 快 15 倍(可重现)
- 对于中等大小的数据,比 Elasticsearch 快 5 倍(可重现)
- 对于大型数据,比 Elasticsearch 快 4 倍(可重现)
- 在单个服务器上进行数据导入时,最大吞吐量比 Elasticsearch 快最多 2 倍(可重现)
- 由于其现代的多线程架构和高效的查询并行化能力,Manticore 能够充分利用所有 CPU 核心,以实现最快的响应时间。
- 强大而快速的全文搜索功能能够无缝地处理小型和大型数据集。
- 针对小、中、大型数据集提供逐行存储。
- 对于更大的数据集,Manticore 通过 Manticore Columnar Library 提供列存储支持,可以处理无法适合内存的数据集。
- 自动创建高效的二级索引,节省时间和精力。
- 成本优化的查询优化器可优化搜索查询以实现最佳性能。
- Manticore 是基于 SQL 的,使用 SQL 作为其本机语法,并与 MySQL 协议兼容,使您可以使用首选的 MySQL 客户端。
- 通过 PHP、Python、JavaScript、Java、Elixir 和 Go 等客户端,与 Manticore Search 的集成变得简单。
- Manticore 还提供了一种编程 HTTP JSON 协议,用于更多样化的数据和模式管理。
- Manticore Search 使用 C++ 构建,启动快速,内存使用最少,低级别优化有助于其卓越性能。
- 实时插入,新添加的文档立即可访问。
- 提供互动课程,使学习轻松愉快。
- Manticore 还拥有内置的复制和负载均衡功能,增加了可靠性。
- 可以轻松地从 MySQL、PostgreSQL、ODBC、xml 和 csv 等来源同步数据。 - 虽然不完全符合 ACID,但 Manticore 仍支持事务和 binlog 以确保安全写入。
- 内置工具和 SQL 命令可轻松备份和恢复数据。
Craigslist、Socialgist、PubChem、Rozetka 和许多其他公司使用 Manticore 进行高效搜索和流过滤。
使用
具体的安装方法:https://manticoresearch.com/install/
Docker 镜像可在 docker Hub 上获取:
https://hub.Docker.com/r/manticoresearch/manticore/
要在 Docker 中试验 Manticore Search,只需运行:
docker run -e EXTRA=1 --name manticore --rm -d manticoresearch/manticore && until docker logs manticore 2>&1 | grep -q "accepting connections"; do sleep 1; done && docker exec -it manticore mysql && docker stop manticore
之后,可以进行其他操作,例如创建表、添加数据并运行搜索:
create table movies(title text, year int) morphology='stem_en' html_strip='1' stopwords='en';
insert into movies(title, year) values ('The Seven Samurai', 1954), ('Bonnie and Clyde', 1954), ('Reservoir Dogs', 1992), ('Airplane!', 1980), ('Raging Bull', 1980), ('Groundhog Day', 1993), ('<a href="http://google.com/">Jurassic Park</a>', 1993), ('Ferris Bueller\'s Day Off', 1986);
select highlight(), year from movies where match('the dog');
select highlight(), year from movies where match('days') facet year;
select * from movies where match('google')
完整文档和开源代码,可以移步: