ThinkChat2.0新版上线,更智能更精彩,支持会话、画图、阅读、搜索等,送10W Token,即刻开启你的AI之旅 广告
[TOC] ## 概述 * 高速的建立索引(在当代CPU上,峰值性能可达到10MB/秒); * 高性能的搜索(在2 – 4GB 的文本数据上,平均每次检索响应时间小于0.1秒); * 可处理海量数据(目前已知可以处理超过100 GB的文本数据, 在单一CPU的系统上可处理100 M 文档); * 提供了优秀的相关度算法,基于短语相似度和统计(BM25)的复合Ranking方法; * 支持分布式搜索; * 提供文档片段(摘要以及高亮)生成功能; * 可作为MySQL的存储引擎提供搜索服务; * 支持布尔、短语、词语相似度等多种检索模式; * 文档支持多个全文检索字段(缺省配置下,最大不超过32个); * 文档支持多个额外的属性信息(例如:分组信息,时间戳等); * 停止词查询; * 支持单一字节编码和UTF-8编码,以及对GBK和BIG5的完善支持; * 支持英语、俄语词词干化和Soundex,以便进行词形学处理; * 原生的MySQL支持(同时支持MyISAM 和InnoDB ); * 原生的PostgreSQL 支持; * 支持直接模拟为MySQL服务端运行; * 支持MMSeg分词引擎,用户可自定义词典; * Python数据源支持,得以获取任何已知世界和未知世界的数据. 搜索API支持PHP、Python、Perl、Rudy和Java,并且也可以用作MySQL存储引擎。搜索API非常简单,可以在若干个小时之内移植到新的语言上。 ## bin ``` indexer: 用于创建全文索引; searchd: 一个守护进程,其他软件可以通过这个守护进程进行全文检索; indextool: 工具程序,用来转储关于索引的多项调试信息。 此工具是从版本Coreseek 3.1(Sphinx 0.9.9-rc2)开始加入的。 mmseg: 工具程序和库,Coreseek用于提供中文分词和词典处理。 ```