与其他方案的比较

网络上有许多搜索引擎，既有开源的也有商业的。为项目选择合适的搜索解决方案非常重要，但也颇具挑战性。本文将详细对比 Meilisearch 与其他搜索引擎的差异：

• 对比表格 部分，我们将概述 Meilisearch 与其他搜索引擎的主要区别

• 方法对比 部分，我们会重点分析 Meilisearch 与当前市场上两大主流方案 ElasticSearch 和 Algolia 的优劣

• 最后，我们将以 对搜索引擎生态的深度分析 结束本文

​

对比表格

​

总体概览

	Meilisearch	Algolia	Typesense	Elasticsearch
源代码许可	MIT (完全开源)	闭源	GPL-3 (完全开源)	AGPLv3 (开源)
开发语言	Rust 了解我们选择 Rust 的原因。	C++	C++	Java
数据存储	磁盘内存映射 — 不受 RAM 限制	受 RAM 限制	受 RAM 限制	磁盘存储 + RAM 缓存

​

功能特性

​

集成与 SDK

注：我们仅列出由各搜索引擎内部团队官方支持的库。

找不到您希望我们支持的客户端？提交您的想法或为其投票 😇

SDK	Meilisearch	Algolia	Typesense	Elasticsearch
REST API	✅	✅	✅	✅
JavaScript 客户端	✅	✅	✅	✅
PHP 客户端	✅	✅	✅	✅
Python 客户端	✅	✅	✅	✅
Ruby 客户端	✅	✅	✅	✅
Java 客户端	✅	✅	✅	✅
Swift 客户端	✅	✅	✅	❌
.NET 客户端	✅	✅	✅	✅
Rust 客户端	✅	❌	🔶 开发中	✅
Go 客户端	✅	✅	✅	✅
Dart 客户端	✅	✅	✅	❌
Symfony	✅	✅	✅	❌
Django	❌	✅	❌	❌
Rails	✅	✅	🔶 开发中	✅
官方 Laravel Scout 支持	✅	✅	❌ 可作为独立模块使用	❌ 可作为独立模块使用
Instantsearch	✅	✅	✅	✅
Autocomplete	✅	✅	✅	✅
Docsearch	✅	✅	✅	❌
Strapi	✅	✅	❌	❌
Gatsby	✅	✅	✅	❌
Firebase	✅	✅	✅	❌

​

配置

文档模式

	Meilisearch	Algolia	Typesense	Elasticsearch
无模式	✅	✅	🔶 id 字段必须存在且为字符串类型	✅
嵌套字段支持	✅	✅	✅	✅
嵌套文档查询	❌	❌	❌	✅
自动文档ID检测	✅	❌	❌	❌
原生文档格式	JSON, NDJSON, CSV	JSON	NDJSON	JSON, NDJSON, CSV
压缩支持	Gzip, Deflate 和 Brotli	Gzip	❌ 以JSON格式读取负载可能导致文档损坏	Gzip

相关性

	Meilisearch	Algolia	Typesense	Elasticsearch
容错搜索	✅	✅	✅	🔶 需要通过模糊查询指定
可排序的排名规则	✅	✅	🔶 可以修改字段权重，但不能改变排名规则的顺序	❌
自定义排名规则	✅	✅	✅	🔶 函数评分查询
查询字段权重	✅	✅	✅	✅
同义词	✅	✅	✅	✅
停用词	✅	✅	❌	✅
自动语言检测	✅	✅	❌	❌
全语言支持	✅	✅	✅	✅
排名分数详情	✅	✅	❌	✅

安全性

	Meilisearch	Algolia	Typesense	Elasticsearch
API密钥管理	✅	✅	✅	✅
租户令牌和多租户索引	✅ 多租户支持	✅	✅	✅ 基于角色

搜索功能对比

	Meilisearch	Algolia	Typesense	Elasticsearch
占位符搜索	✅	✅	✅	✅
多索引搜索	✅	✅	✅	✅
联邦搜索	✅	❌	❌	✅
精确短语搜索	✅	✅	✅	✅
地理位置搜索	✅	✅	✅	✅
排序功能	✅	🔶 每个索引仅限一个sort_by规则。可能需要为每个排序字段和顺序复制索引	✅ 每个搜索查询最多支持3个排序字段	✅
过滤功能	✅ 支持类似SQL语法的复杂过滤查询	🔶 不支持跨多个字段的OR操作	✅	✅
分面搜索	✅	✅	✅ 分面字段必须可搜索 当需要返回超过1000万个分面值时可能需要数秒	✅
去重属性 通过字段值去重文档	✅	✅	✅	✅
分组功能 按字段值对文档进行分桶	❌	✅	✅	✅

AI增强搜索对比

	Meilisearch	Algolia	Typesense	Elasticsearch
语义搜索	✅	🔶 仅限高级套餐	✅	✅
混合搜索	✅	🔶 仅限高级套餐	✅	✅
嵌入生成	✅ OpenAI HuggingFace REST嵌入器	未公开	OpenAI GCP Vertex AI	✅ ELSER E5 Cohere OpenAI Azure Google AI Studio Hugging Face
提示模板	✅	未公开	❌	❌
向量存储	✅	未公开	✅	✅
Langchain集成	✅	❌	✅	✅
GPU支持	✅ CUDA	未公开	✅ CUDA	❌

可视化功能对比

	Meilisearch	Algolia	Typesense	Elasticsearch
Mini Dashboard	✅	🔶 云服务产品	🔶 云服务产品	✅
搜索分析	✅ 云服务产品	✅ 云服务产品	❌	✅ 云服务产品
监控仪表盘	✅ 云服务产品	✅ 云服务产品	✅ 云服务产品	✅ 云服务产品

​

部署方式

	Meilisearch	Algolia	Typesense	Elasticsearch
自托管	✅	❌	✅	✅
平台支持	ARM x86 x64	不适用	🔶 ARM (macOS 需 Docker) x86 x64	ARM x86 x64
官方一键部署	✅ DigitalOcean Platform.sh Azure Railway Koyeb	❌	🔶 仅限云托管方案	❌
官方云托管方案	Meilisearch 云服务	✅	✅	✅
高可用性	通过 Meilisearch 云服务提供	✅	✅	✅
运行时依赖	无	不适用	无	无
向后兼容	✅	不适用	✅	✅
升级路径	升级时自动重建索引	不适用	升级时自动重建索引	升级时自动重建索引（最多支持1个大版本）

​

限制对比

	Meilisearch	Algolia	Typesense	Elasticsearch
最大索引数量	无限制	1000（可联系支持团队提升限额）	无限制	无限制
最大索引大小	80TiB	128GB	受内存限制	无限制
单文档最大尺寸	无限制	100KB（可配置）	无限制	默认100KB（可配置）

​

社区生态

	Meilisearch	Algolia	Typesense	Elasticsearch
主项目GitHub星标数	42K	不适用	17K	66K
主项目贡献者数量	179	不适用	38	1,900
公开Discord/Slack社区规模	2,100	不适用	2,000	16K

​

支持服务

	Meilisearch	Algolia	Typesense	Elasticsearch
状态页面	✅	✅	✅	✅
免费支持渠道	即时通讯/聊天框（2-3小时响应）、 电子邮件、 公开Discord社区、 GitHub问题讨论区	即时通讯/聊天框、 公开社区论坛	即时通讯/聊天框（24-48小时响应）、 公开Slack社区、 GitHub问题区	公开Slack社区、 公开社区论坛、 GitHub问题区
付费支持渠道	Slack专属频道、电子邮件、个性化支持——按需定制！	电子邮件	电子邮件、 电话、 私有Slack通道	在线支持、 电子邮件、 电话

​

技术方案对比

​

Meilisearch 与 Elasticsearch 对比

Elasticsearch 是作为后端搜索引擎设计的。虽然它并不适合这个用途，但常被用来为终端用户构建搜索栏。

Elasticsearch 能够处理海量数据的搜索和文本分析。但要想让它有效地服务于终端用户搜索，你需要花时间深入了解 Elasticsearch 的内部工作原理，才能进行定制和调整以满足需求。

与作为通用搜索引擎（专为大量日志数据设计，例如后端搜索）的 Elasticsearch 不同，Meilisearch 旨在为终端用户提供高性能的即时搜索体验（例如前端搜索）。

如果要提供完整的即时搜索体验，Elasticsearch 有时会显得过于缓慢。大多数情况下，它的搜索结果返回速度明显慢于 Meilisearch。

如果你需要一个简单易用的工具来部署支持容错输入的搜索栏，Meilisearch 是完美选择。它提供前缀搜索能力，让搜索对用户更直观，并能即时返回开箱即用的高相关性结果。

要了解更详细的对比分析，请参阅我们关于 Elasticsearch 的博客文章。

​

Meilisearch 与 Algolia 对比

Meilisearch 的灵感来源于 Algolia 的产品及其背后的算法。我们确实研究了他们博客中描述的大部分算法和数据结构，以实现我们自己的版本。因此，Meilisearch 是一个基于 Algolia 工作和最新研究论文的新型搜索引擎。

Meilisearch 提供了类似的功能，并且能像其竞争对手一样快速达到相同的相关性水平。

如果您是目前正在考虑从 Algolia 切换到 Meilisearch 的用户，可能会对我们的迁移指南感兴趣。

​

主要相似点

Algolia 和 Meilisearch 之间一些最重要的相似之处包括：

• 功能特性如输入即搜索（search-as-you-type）、错字容忍（typo tolerance）、分面搜索（faceting）等
• 针对即时搜索体验的快速响应（响应时间 < 50 毫秒）
• 无模式索引（Schemaless indexing）
• 支持所有 JSON 数据类型
• 异步 API
• 相似的查询响应结构

​

主要差异

与 Algolia 不同，Meilisearch 是开源的，可以被 fork 或自行托管。

此外，Meilisearch 使用 Rust 编写，这是一种现代系统级编程语言。Rust 提供了速度、可移植性和灵活性，这使得我们的搜索引擎可以无缝部署在虚拟机、容器甚至 Lambda@Edge 中。

​

定价

Algolia 的定价模式基于存储的记录数量和执行的 API 操作次数。对于中小型企业来说，其费用可能过高。

Meilisearch 是一个开源搜索引擎，可通过 Meilisearch Cloud 或自托管方式使用。与 Algolia 不同，Meilisearch 的定价基于存储的文档数量和执行的搜索操作次数。然而，Meilisearch 提供了更慷慨的免费层级，允许存储更多文档，并对搜索使用量提供更公平的定价。Meilisearch 还为大型用例提供了专业层级，以实现更可预测的定价。

​

搜索引擎生态概览

​

开源方案

​

Lucene

Apache Lucene 是一个免费开源的搜索库，用于索引和搜索全文文档。它由 Doug Cutting 于 1999 年创建，他此前曾在施乐帕洛阿尔托研究中心 (PARC) 和苹果公司开发过搜索引擎。Lucene 使用 Java 编写，旨在构建如 Google 和 DuckDuckGo 这样的网络搜索应用，后者至今仍在某些类型的搜索中使用 Lucene。

Lucene 后来被划分为多个项目：

• Lucene 核心：全文搜索库
• Solr：带有强大 REST API 的企业级搜索服务器
• Nutch：基于 Apache Hadoop 的可扩展网络爬虫

由于 Lucene 是许多开源或闭源搜索引擎背后的技术，它被视为参考级的搜索库标准。

​

Sonic

Sonic 是一个用 Rust 编写的轻量级无模式搜索索引服务器。它不能被视为开箱即用的解决方案，与 Meilisearch 相比，它不保证相关性排序。它不存储文档，而是包含一个带有 Levenshtein 自动机的倒排索引。这意味着任何查询 Sonic 的应用程序都必须使用返回的 ID 从外部数据库检索搜索结果，然后应用一些相关性排序。

它能够在几 MB 内存上运行的特性，使其成为数据库工具的一种极简且资源高效的替代方案，因为那些工具可能过于重量级而难以扩展。

​

Typesense

与 Meilisearch 类似，Typesense 是一个针对速度优化的轻量级开源搜索引擎。要更好地了解它与 Meilisearch 的对比，请参阅我们关于 Typesense 的博客文章。

​

Lucene 衍生品

​

Lucene-Solr

Solr 是 Apache Lucene 的一个子项目，由 Yonik Seeley 于 2004 年创建，如今已成为全球使用最广泛的搜索引擎之一。Solr 是一个基于 Java 编写的搜索平台，构建在 Lucene 之上。换句话说，Solr 是对 Lucene Java API 的 HTTP 封装，意味着您可以通过它利用 Lucene 的所有功能。此外，Solr 服务器与 Solr Cloud 结合，提供分布式索引和搜索能力，从而确保高可用性和可扩展性。数据不仅共享，还会自动复制。

更重要的是，Solr 不仅是一个搜索引擎；它经常被用作文档结构的 NoSQL 数据库。文档存储在集合（collections）中，这些集合可以类比为关系型数据库中的表。

由于其可扩展的插件架构和可定制功能，Solr 是一个具有无限应用场景的搜索引擎。尽管它可以索引和搜索文档及电子邮件附件，但它在企业搜索领域尤其受欢迎。

​

Bleve 与 Tantivy

Bleve 和 Tantivy 分别是受 Apache Lucene 及其算法（例如 tf-idf，即词频-逆文档频率）启发，用 Golang 和 Rust 编写的搜索引擎项目。与 Lucene 类似，两者都是用于任何搜索项目的库；但它们不是开箱即用的 API。

​

源码可用

​

Elasticsearch

Elasticsearch 是一个基于 Lucene 库的搜索引擎，因其全文检索功能而广受欢迎。它提供了通过 HTTP 传输 JSON 的 REST API。其核心特性之一称为索引分片（index sharding），允许将索引划分为物理空间以提高性能并确保高可用性。Lucene 和 Elasticsearch 都专为处理高容量数据流、分析日志和执行复杂查询而设计。您可以对符合指定查询条件的文档执行操作和分析（例如计算所有名为”Thomas”用户的平均年龄）。

如今，Lucene 和 Elasticsearch 已成为搜索引擎领域的主导者。它们都是适用于多种搜索场景的可靠解决方案，也可用于构建推荐系统。作为通用型产品，它们需要经过适当配置才能获得与 Meilisearch 或 Algolia 相当的搜索结果。

​

闭源方案

​

Algolia

Algolia 是一家采用 SaaS 模式提供搜索引擎服务的公司，其软件为闭源产品。早期阶段，Algolia 专注于开发可嵌入移动应用的搜索引擎，面临从头实现搜索算法的挑战。从一开始，该公司就决定构建直接面向终端用户的搜索引擎，特别是为移动应用和网站实现站内搜索功能。过去几年间，Algolia 成功证明了容错输入（tolerating typos）对于提升用户体验的关键作用，以及其对降低跳出率、提高转化率的显著影响。

除 Algolia 外，搜索引擎市场上还有众多 SaaS 产品可供选择。其中大多数基于 Elasticsearch 进行深度定制，以提供个性化的解决方案。

​

Swiftype

Swiftype 是一家专注于网站搜索和分析的搜索服务提供商。该公司由 Matt Riley 和 Quin Hoxie 于 2012 年创立，现隶属于 Elastic（自 2017 年 11 月起）。作为基于 Elasticsearch 构建的端到端解决方案，Swiftype 能够充分利用 Elastic Stack 的技术优势。

​

Doofinder

Doofinder 是一项付费的站内搜索服务，其设计目标是只需极少配置即可集成到任何网站中。该服务被众多在线商店采用以提升销售额，旨在简化用户的购买流程。

​

结论

每种搜索解决方案都最适合特定用例的约束条件。由于每种类型的搜索引擎都提供独特的功能集，比较它们的性能既不容易也不相关。例如，在产品数据库上比较 Elasticsearch 和 Algolia 的速度是不公平的。对于非常大的全文数据库也是如此。

因此，我们无法与基于 Lucene 的搜索引擎或其他针对特定任务的搜索引擎进行比较。

在我们所涉及的特定用例中，与 Meilisearch 最相似的解决方案是 Algolia。

虽然 Algolia 提供了最先进和强大的搜索功能，但这种效率伴随着昂贵的价格。此外，他们的服务主要面向大型企业。

Meilisearch 致力于服务所有类型的开发者。我们的目标是提供一个对开发者友好、易于安装和部署的工具。因为为终端用户提供开箱即用的出色搜索体验对我们很重要，我们希望让每个人都能以最小的努力、无需任何财务资源就能获得最佳的搜索体验。

通常，当开发者寻找搜索工具集成到他们的应用程序时，他们会选择 ElasticSearch 或其他效果较差的选择。即使 Elasticsearch 并不最适合这种用例，它仍然是一个可用的优秀开源解决方案。然而，它需要技术知识来实现高级功能，因此需要更多时间来根据业务需求进行定制。

我们的目标是成为开发者的默认解决方案。