Python whoosh 如何优化加速

    ix = open_dir("indexdir")
    with ix.searcher() as searcher:
        myquery = Term("subject", "关键词")
        results = searcher.search(myquery,limit=10)
        for result1 in results:
            print(dict(result1))

results

myquery

whoosh

result1

22 条回复 • 2020-09-10 16:00:17 +08:00

JasperYanky

2020-09-04 11:37:11 +08:00

上 es

wzw

2020-09-04 14:23:22 +08:00 via iPhone

我是自己写，全部放内存，用 fastapi

lixuda

2020-09-04 15:47:08 +08:00

@wzw 能参考下吗？
小白用户，放内存怎么写？

wzw

2020-09-04 15:58:21 +08:00

@lixuda #3 你看看 expiringdict 我这个方法也有不好的地方, 好的地方是快!

sylvos

2020-09-04 17:01:57 +08:00 via iPhone

expiringdict 怎么用，有多快

lixuda

2020-09-04 17:06:19 +08:00

@wzw https://github.com/mailgun/expiringdict 这个？字典缓存？能否再详细点，非常感谢

zhuangzhuang1988

2020-09-04 17:10:16 +08:00

pypy??
whoosh 反正是纯 python 的.

lixuda

2020-09-04 17:25:25 +08:00

@zhuangzhuang1988 主要是想确认，是我使用的不对，还是本来就是这么慢。

nooper

2020-09-04 22:29:49 +08:00

2016 那都不维护了，你用它干啥。

lixuda

2020-09-05 09:38:59 +08:00

@nooper 图它简单方便

nonduality

2020-09-05 14:38:12 +08:00

或许你可以看下 whoosh 的索引数据结构，然后把它改为使用 diskcache 或 redis 做缓存后端。

nonduality

2020-09-05 14:42:28 +08:00

如果你在 Django 下使用 Whoosh，可以试下 Haystack （改起来应该很快），看是不是也这么慢，是否存在不恰当使用的地方。

如果还是很慢，但又不喜欢 ES 太重，可以考虑用 Xapian 做引擎，不过它对中文分词的支持会有点麻烦，知道怎么搞的话麻烦告诉下我。

lixuda

2020-09-05 15:01:10 +08:00

@nonduality 现在用 flask+whoosh，目前测试下来，20 万条在 1-3 秒，200 万，就 7 秒以上

nonduality

2020-09-05 15:04:58 +08:00

@lixuda Whoosh 有个支持 GAE blobstore 的索引后端，原则上在它基础上改出一个支持 Diskcache 后端的的不太难（ Diskcache 很不错，用磁盘做缓存，速度跟 redis 相当）

nonduality

2020-09-05 18:56:49 +08:00

@lixuda 经过搜索，发现有篇文章「用 xapian 跟 mmseg 实现中文搜索」的方案很好

Xapian 比 Whoosh 快 4 倍到 60 倍，上亿条数据几秒内就能搞定，建议你试试

yucongo

2020-09-06 21:28:02 +08:00 via Android

elasticsearch 吧，秒搜，也就 1G 硬盘需求

nonduality

2020-09-07 12:07:25 +08:00

我已经改好出来一个基于 xapian 的搜索引擎，速度确实快很多。

lixuda

2020-09-07 13:18:25 +08:00

@nonduality 能否分享下？

nonduality

2020-09-07 13:40:22 +08:00

@lixuda 我的是配合 django haystack 的 xapian 后端。你可以根据「用 xapian 跟 mmseg 实现中文搜索」这篇文章改，我用的是 jieba 分词，用起来还比较方便。

mcds

2020-09-07 15:11:56 +08:00

时间应该都花在 open_dir 上了吧？把它做成 web 服务常驻内存就好，我现在索引文件大概在 700m 左右，查询时间 0.1s 左右

nonduality

2020-09-10 14:04:03 +08:00

经过初步测试，改用 Xapian 做后端，比用 Whoosh 做后端快 30 到 60 倍。从中也可以看到，尽管 Haystack 框架看起来很重，但其实不是性能瓶颈。

lixuda

2020-09-10 16:00:17 +08:00

@nonduality 关键是 Xapian 性能比 whoosh 好，whoosh 毕竟是纯 py