Upload
hermano-soares
View
1.443
Download
2
Embed Size (px)
DESCRIPTION
Apresentação Realizada no Cotemig na semana da computação em 2011. Pesquisando Bilhões de Documentos em Milésimos de Segundo usando Apache Solr.
Citation preview
Pesquisando Bilhões de documentos em milésimos de segundo.
Hermano Soares
Agenda
Palestrante A Necessidade Cenário não aplicável Cenário Aplicável Apache Lucene Apache Solr Arquiteturas Estudo Caso Fechamento
Hermano Soares
Diretor técnico na Itsway Sistemas Trabalha c/ desenvolvimento a 10 anos Especialista em todas plataformas do Java
( EE, SE,ME ) Desenvolvedor Microsoft .NET 7 certificações Sun: SCJA, SCJP, SCJD,
SCWCD, SCBCD, SCEA, SCMAD Bacharel em SI
A Necessidade
Motor de busca Busca textual arbitrária Altíssima performance (<1s) Integração com qualquer linguagem de
programação
Cenário: não aplicável
A importância da pesquisa é baixa, o foco do software é outro
O numero de usuários acessando é baixo ex: <100
O volume do acervo é pequeno(200.000rows) e seu crescimento é 5% ao ano.
Tempo de resposta para o usuário até 3s é aceitável.
Cenário: aplicável
Pesquisa é de grande valor aos usuários
O tempo de resposta é muito importante
O número de usuário concorrentes é alto (ex: 10.000)
A pesquisa precisa atender a critérios Web 2.0
Categorização (Facet)
Categorização (Facet/Highlight)
Nuvem de tags
A TECNOLOGIA
Apache Lucene
Motor de Busca textual Alta perfomance Suporte a facet (categorias) Suporte highlight ( grifar resultados) Suporte spellchecker (Você quis dizer ...) Suporte stopwords (termos dispensaveis) Diversos algoritmos de busca textual Open Source e Free
Apache Lucene
Apache Solr Servidor HTTP de Pesquisa textual, construido sob o Lucene. Suporte a todas as features do lucene Suporte a replicação: Master-Slave Independente de Linguagem/SO (WS) Open source Escrito em Java Dispensa escrever código Java Configurável via xml Suporte Operações: SELECT/ADD/DELETE Cache Estatísticas Suggestions Interface web de Administração e Query (Ferramenta)
Arquitetura SOLR
Schema.xml
Stopwords.txt
dos, em, que, por, de, do, da, sao, teve, se ,os , na, ou, sua, como, das, ha, etc
Synonyms.txt
Carro = veiculo Gordo = obeso Morrer = falecer Bonito = belo
Spellings.txt
Entaum=entao Aham=sim Blz=ok
protwords.txt
Lista de Termos indesejáveis, ofensivos, vulgares, sexuais, etc
Operações
Interface: Webservice REST
Arquitetura de Alta Disponibilidade
Replicação
Arquitetura Mundo Real Escalável
Estudo de Caso
Estudo de Caso
Evento: Apache Lucene EuroCon 2010 Empresa: Attensity Group Projeto: Social Media Monitoring Pais: Europa Objetivo:
6-12 months of Twitter, blogs, Youtube, Facebook, Google Buzz
Successfully scaled Solr to 3+ billion documents.
40+ Solr servers Amazon EC2 3 billion documents
http://2010.lucene-eurocon.org/
Fechamento
Como saber o melhor cenário? Expectativa do volume de usuários
Críticidade do tempo de resposta
Importância de uma pesquisa eficiente e relevante.