Python whoosh 如何优化加速

[lixuda]

第一次使用 whoosh 数据量 300 万条，索引后 1.5G 文件

根据文档查询，时间经常需要 7 秒以上，问问大神如何加速优化下？感谢

    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))
        

[JasperYanky]

上 es

[wzw]

我是自己写，全部放内存，用 fastapi

[lixuda]

@wzw 能参考下吗？
小白用户，放内存怎么写？

[wzw]

@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]

expiringdict 怎么用，有多快

[lixuda]

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

[zhuangzhuang1988]

pypy??
whoosh 反正是纯 python 的.

[lixuda]

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

[nooper]

2016 那都不维护了，你用它干啥。

[lixuda]

@nooper 图它简单方便

[nonduality]

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]

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]

@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]

@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]

@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]

elasticsearch 吧，秒搜，也就 1G 硬盘需求

[nonduality]

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]

@nonduality 能否分享下？

[nonduality]

@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]

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]

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]

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