我们有一个Web应用程序，允许用户上载文档，创建自己的文档等。上传的文件存储在Amazon S3上，创建的信息存储在MySQL数据库中。我要寻找的是某种搜索引擎，在其中向我们提供所有文本文档(每个文档都有唯一的ID)，并建立索引或者其他内容。稍后，我可以为其提供搜索查询，它将(通过其ID)提取最佳匹配的文档以及匹配的文本片段。

基本上，我们希望允许我们的用户搜索他们上传的资料的存储库，以及其他用户标记为公开的内容。该解决方案应该在标准的Linux服务器上运行，并且理想情况下将是开源的，但是如果价格不算过高，我还将考虑使用付费的解决方案。

到目前为止，我已经找到了三个潜在的候选人：

• MySQL全文搜索-我读过的一些报告说它很慢
• Apache Lucene-不幸的是用Java编写，但是如果需要的话，我会用它。据说快
• Sphinx-似乎不那么受欢迎，理想情况下，我发现的任何解决方案都将得到社区的大力支持。

如果我忽略了其他任何不错的选择，或者我们有以上任何经验，请告诉我。

解决方案

我想Google会提供满足我们需求的解决方案。从这里开始：Google Enterprise

Lucene有一个名为" Ferret"的Ruby端口。除了Ruby API，我们还可以使用称为" cFerret"的基础c实现。

Lucene很好。尽管它最初是用Java编写的，但是它有一个php实现http://framework.zend.com/manual/en/zend.search.lucene.html

还有Xapian，它速度很快，而且可以完全自定义。

它支持自定义索引器，使索引器可以索引未存储在数据库中的数据，这可能对存储在S3上的文档很有用。

看看Solr。它基于Lucene，因此速度非常快，并且在任何平台上都非常易于使用。

Sphinx可能值得我们考虑，因为它可以与几种常见的RDMS(特别是MySQL)配合使用