自 14.0.0 版本起。 1C-Bitrix产品支持Sphinx全文搜索系统。它可以让您更快更好地搜索，减少服务器的负载，并且与搜索模块的组件完全集成。不幸的是，Bitrix 内核仍然支持当前版本 3.x.x。
Sphinx的优点：
- 高可扩展性、索引和搜索速度；
- 存在三个内置形态插件（ru、en、cs）和 12 个插件形态插件，用于词形还原（将单词转换为词典形式）和词干提取（找出给定源词的词干）；
- 全文、分面、地理搜索和索引；
- 支持停用词，以防您需 台湾 区号 手机号码 要从搜索结果中删除一些词；
- 跨集群中的多个节点（运行 Sphinx 实例）进行分布式搜索；
- 适用于各种平台和框架的现成集成；
- 适度使用服务器内存。
缺点：
- 有限的 API 且没有默认的模糊搜索；
- 需要手动配置索引结构，这使得扩展变得复杂；
- 随着数据量的增加，性能下降；
- 无法进行可视化；
- 小社区。
快速索引使 Sphinx 成为对搜索功能要求较低的项目的理想选择。但是如果项目发展壮大，您想要扩大规模，或者您需要灵活地管理搜索结果，该怎么办？
将搜索迁移到 Elasticsearch
通常，当网站的当前搜索 瑞典商业名录 引擎由于某种原因不能令人满意时，它就会出现。与其他开发人员产品（所谓的 Elastic Stack，ELK）结合使用时，该工具在管理数据搜索和呈现方面提供了更多机会。
Elasticsearch (ES) 是一个非关系型文 如果上述所有步骤都无法提高速度 档存储，它有自己的 REST API，可以处理 JSON 数据。
Elasticsearch 在DB-Engines排名中一直处于领先地位。
Elasticsearch 和 Sphinx 之间存在许多差异。以下是最重要的几点。
- 可扩展性。与 Sphinx 一样，ES 提供了高度的水平可扩展性，允许数据在多个节点和分片之间分布和复制。但是 Sphinx 需要手动管理索引结构，而 Elasticsearch 允许您动态向现有系统添加新节点并自动在它们之间分配负载。
- API 功能。 ES支持各种复杂的查询以及强大的聚合和过滤功能来进行数据分析，并且可以直接从搜索引擎返回数据。 Sphinx 的 API 较差，这迫使它不断地用请求骚扰其数据库。
- 数据结构。 ES 在多语言系统和非结构化数据上运行得更好，而 Sphinx 可以更快地索引结构化数据库：论坛、在线商店、聊天、目录。对于多语言系统，以Sphinx为例，需要为不同的语言建立单独的索引，分别配置形态学、词干提取和模糊搜索参数。相反，Elasticsearch 会将数据进行分析并上传到单独的索引中，并针对所需的语言配置参数。数据将被隔离，搜索将更快。高效处理非结构化数据使得 ES 能够成功应用于推荐系统。
- 容错。 Sphinx 不支持自动复制和分片管理，这使得它与 Elasticsearch 相比对故障的恢复能力较差，并增加了系统管理员的工作量。
- 日志存储及分析、数据可视化。今天这几乎是任何一个互联网项目的必备条件，但只有ELK生态能够把数据以方便分析的形式呈现出来。它可以处理来自负载平衡器、虚拟机管理程序和交换机的千兆字节数据，并以方便的仪表板形式呈现。此外，Elasticsearch 还使用机器学习 (ML) 功能来改进数据分析和搜索。
Elasticsearch 用于搜索
Elasticsearch 使用索引来组织和存储数据。索引是一种将同一类型的文档组织在一起的逻辑存储。每个索引由一个或多个分片（部分）组成，这使得数据可以分布在不同的集群节点上，以确保容错能力和可扩展性。
为了将数据纳入 ES 索引，不能简单地将数据“按原样”从站点数据库中取出并拉出。该“原始”数据需要被索引。要创建索引，请使用系统自己的 API，必须从某处调用该 API。这可以通过 Bitrix 中的事件处理程序或定期更新数据的代理或队列服务器来完成。从 ELK 堆栈中使用 Kibana 非常方便。
下面是具有手动字段映射的索引的示例。可以使用 REST API 或现成的库来创建索引。映射可以是动态的，但是通常这个东西不能完全信任。通过动态和显式映射的组合可以获得最佳结果；您可以创建自己的匹配字段的巧妙规则。