Pesquisando bilhões de documentos em milésimos de segundo

  • 1,346 views
Uploaded on

Apresentação Realizada no Cotemig na semana da computação em 2011. …

Apresentação Realizada no Cotemig na semana da computação em 2011.

Pesquisando Bilhões de Documentos em Milésimos de Segundo usando Apache Solr.

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
1,346
On Slideshare
0
From Embeds
0
Number of Embeds
2

Actions

Shares
Downloads
5
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Pesquisando Bilhões de documentos em milésimos de segundo. Hermano Soares
  • 2. Agenda
    • Palestrante
    • A Necessidade
    • Cenário não aplicável
    • Cenário Aplicável
    • Apache Lucene
    • Apache Solr
    • Arquiteturas
    • Estudo Caso
    • Fechamento
  • 3. 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
  • 4. A Necessidade
    • Motor de busca
    • Busca textual arbitrária
    • Altíssima performance (<1s)
    • Integração com qualquer linguagem de programação
  • 5. 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.
  • 6. 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
  • 7. Categorização (Facet)
  • 8. Categorização (Facet/Highlight)
  • 9. Nuvem de tags
  • 10.
    • A TECNOLOGIA
  • 11. 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
  • 12. Apache Lucene
  • 13. 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)
  • 14. Arquitetura SOLR
  • 15. Schema.xml
  • 16. Stopwords.txt
    • dos, em, que, por, de, do, da, sao, teve, se ,os , na, ou, sua, como, das, ha, etc
  • 17. Synonyms.txt
    • Carro = veiculo
    • Gordo = obeso
    • Morrer = falecer
    • Bonito = belo
  • 18. Spellings.txt
    • Entaum=entao
    • Aham=sim
    • Blz=ok
  • 19. protwords.txt
    • Lista de Termos indesejáveis, ofensivos, vulgares, sexuais, etc
  • 20.
    • Operações
  • 21. Interface: Webservice REST
  • 22.
    • Arquitetura de Alta Disponibilidade
  • 23. Replicação
  • 24. Arquitetura Mundo Real Escalável
  • 25.
    • Estudo de Caso
  • 26. 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
  • 27. Successfully scaled Solr to 3+ billion documents.
    • 40+ Solr servers
    • Amazon EC2
    • 3 billion documents
    • http://2010.lucene-eurocon.org/
  • 28.
    • Fechamento
  • 29. Como saber o melhor cenário ?
    • Expectativa do volume de usuários
    • Críticidade do tempo de resposta
    • Importância de uma pesquisa eficiente e relevante .
  • 30. Dúvidas ?
    • Email: [email_address]
    • Site: www.itsway.com.br