关于搜索引擎学习，关于Lucene和TSE

国内对搜索引擎有所了解的人，应该对这两个开源软件不生疏：Lucene和TSE。

当然，从技术角度讲，二者不是一个档次的，但对我来说，确是一样的重要。

Lucene的大名，相信你一定听过。严格来说，Lucene不能算作一个搜索引擎，本质来说，它是一个信息检索系统，更准确的来，是一个信息检索框架。基于Lucene的Nutch才是一个完整的搜索引擎，不过它可没有Lucene这么出名。而且通常来说，我们更需要的是一个可扩展的信息检索系统，而不是一个封闭的搜索引擎系统。从这个角度来说，我觉得Lucene比Nutch更有前途。据我了解，阿里巴巴和搜房网的信息检索可能就是用Lucene来搭建的（个人推测，未经考证，如有雷同，实属巧合），可见Lucene的强大影响力。顺便八卦一下，华中科技大学冰岩作坊的DiggCD的信息检索也是基于 Lucene的，Lucene的影响力和冰岩的技术力，由此可略窥一二。

Lucene是用Java写的（当然，网上也有非官方的其他语言版本），而TSE则是用C++编写的。TSE是北大天网推出的搜索引擎源源码，学习型的，可以算作一个搜索引擎的小系统吧。功能相当纯净一些，算法涉及相对少些，没有涉及太多深层次的东西。但正却丝毫不能削弱该open source的影响力，因为他对搜索引擎学习来说，可以起到很好的启蒙作用。国内高校在搜索引擎研究方面，应该说北大和哈工大的实力是很强的，PKU的 SEWM和HIT的IR研究室都是佼佼者。不过，北大SEWM通过这样一个TSE系统，却起到了推动国内搜索引擎发展的重要作用。而且，与国内封闭的科研环境相对比，能够将这套代码开源，而且还能提供配套书籍和文档，可以说是迈出了很了不起的一步。另外，值得一提的就是北大的Infomall建设，不得不佩服北大人的使命感。

TSE的源代码我是看过的，NBNC代码量7k左右，源码写的比较规范，还算不难理解。而Lucene的源码，一直以来，都没有很好的时间和机会下决心去拜读，但相关资料和书籍还是看了一些的，其开放的API设计，尤其让我印象深刻。

最后，不得不说的是，国内搜索引擎的学习资料确实很少，就我看过的书籍来说。北大李晓明等编著的《搜索引擎：原理、技术与系统》算是不错的了，结合TSE 来看，效果更佳。对Lucene来说，《Lucene IN ACTION》算是红宝书了吧，另外，国内知名SE人士卢亮编著的《开发自己的搜索引擎：Lucene 2.0+Heritrix》也比较实用。

国内搜索引擎的学习资源确实很少，国内高校开设相关课程的也很少。就此而论，我觉得IT大佬们一味的埋怨搜索引擎人才的匮乏的做法实在让人不敢苟同。要知道，要害技术都把握在公司里面了，要是大家都不愿去推广这门技术，人才何处而来？不过庆幸的是，似乎大家已经熟悉到这个问题了，据我所知，华中科技大学计算机学院已经开始开设相关课程了，据说这事和百度有些关系，假如真是这样，那实在可喜可贺。[