lnx

WARNUNG! Dies ist der aktive Entwicklungszweig. Schauen Sie sich die neueste stabile Version an: https://github.com/lnx-search/lnx/tree/refs/tags/0.9.0

Funktionsreich | ⚡ Wahnsinnig schnell

Eine ultraschnelle, anpassbare Bereitstellung der Tantivy-Suchmaschine über REST.

? Auf den Schultern von Riesen stehen

lnx wurde entwickelt, um das Rad nicht neu zu erfinden, sondern basiert auf der arbeitsraubenden Laufzeitumgebung von tokio-rs , einem Hyper -Web-Framework, kombiniert mit der reinen Rechenleistung der Tantivy-Suchmaschine .

Zusammen ermöglicht dies, dass lnx eine Millisekunden-Indizierung für Zehntausende von Dokumenteneinfügungen auf einmal anbieten kann (kein Warten mehr auf die Indizierung von Dingen!), Transaktionen pro Index und die Möglichkeit, Suchvorgänge so zu verarbeiten, als wäre es nur eine weitere Suche in der Hashtabelle?

Merkmale

Obwohl lnx noch sehr neu ist, bietet es dank des Ökosystems, auf dem es basiert, eine breite Palette an Funktionen.

• ? Komplexer Abfrageparser.
• ❤️ Tippfehlertolerante Fuzzy-Abfragen.
• ⚡️ Tippfehlertolerante, schnelle Fuzzy-Abfragen. (vorberechnete Rechtschreibkorrektur)
• Mehr ähnliche Abfragen.
• Nach Feldern sortieren.
• Schnelle Indizierung.
• Schnelle Suche.
• Mehrere Optionen zur feinkörnigen Leistungsoptimierung.
• Mehrere Speicher-Backends zum Testen und Entwickeln verfügbar.
• Auf Berechtigungen basierende Autorisierungszugriffstoken.

Hier können Sie sehen, wie lnx eine Suche durchführt, während Sie einen Datensatz mit 27 Millionen Dokumenten eingeben, der nach der Indizierung eine angemessene Größe von 18 GB hat und auf meinem i7-8700k mit ca. 3 GB RAM und unserem Fast-Fuzzy-System ausgeführt wird. Wollen wir einen größeren Datensatz ausprobieren? Eröffnen Sie ein Problem!

Leistung

lnx bietet die Möglichkeit, das System genau an Ihren speziellen Anwendungsfall anzupassen. Sie können die asynchronen Laufzeitthreads anpassen. Der Parallelitäts-Thread-Pool, Threads pro Leser und Writer-Threads, alle pro Index.

Dies gibt Ihnen die Möglichkeit, im Detail zu steuern, wohin Ihre Computerressourcen fließen. Sie haben einen großen Datensatz, aber weniger gleichzeitige Lesevorgänge? Erhöhen Sie die Leser-Threads im Austausch für eine geringere maximale Parallelität.

Die folgenden Zahlen wurden von unserem lnx-cli für den kleinen Datensatz movies.json ermittelt. Wir haben es nicht mit höheren Werten versucht, da Meilisearch unglaublich lange braucht, um Millionen von Dokumenten zu indizieren, obwohl die neue Meilisearch-Engine dies etwas verbessert hat.

? Einschränkungen

Obwohl LNX eine große Bandbreite an Funktionen bietet, kann es als so junges System noch nicht alles. Natürlich gibt es einige Einschränkungen:

• lnx ist (noch) nicht verteilt, daher skaliert es wirklich nur vertikal.
• Einfach, aber nicht zu einfach: lnx bietet im Vergleich zu MeiliSearch aufgrund seines schemavollen Charakters und der breiten Palette an Optimierungsoptionen nicht den gleichen Grad an Benutzerfreundlichkeit. Mit mehr Tuning gehen leider auch mehr Einstellungen einher.
• Metriken (noch)

Von Grund auf neu bauen

Anforderungen

• rustc v1.81+
• scache
• Linux-Betriebssystem