Manticore Search号称比Elasticsearch更快、更强劲的轻量级搜索引擎！

互联网资讯来源：民工哥技术之路 2023-09-07 12:26:14

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：