将ElasticSearch和/或Solr用作MS Office和PDF文档的数据存储

Question

我目前正在设计一个全文搜索系统，用户可以在其中搜索MS
Office和PDF文档的文本，结果将返回与查询最匹配的文档列表。然后，用户将选择返回的任何文档，并在MS Word，Excel或PDF查看器中查看该文档。

我可以使用ElasticSearch或Solr将原始二进制文档（即.docx，.xlsx，.pdf文件）导入其“数据存储区”，然后根据命令将文档导出到用户的设备以进行查看。

以前，我使用MongoDB
2.6.6将原始文件导入GridFS，然后将提取的文本导入一个单独的集合（该集合包含文本索引），并且工作正常。但是，MongoDB全文搜索是非常基本的，因此我现在正在研究Solr或ElasticSearch来执行更复杂的文本搜索。

缺口

Answer 1

Solr和Elasticsearch都将为文档的 内容
建立索引。Solr具有内置功能，Elasticsearch需要一个插件。两种方法都很容易，都可以在底下使用Tika。

他们俩都不会存储文档本身。您可以尝试让他们这样做，但是它们不是为此而设计的，因此您会遭受痛苦。

此外，目前不建议将Solr和Elasticsearch都用作主存储。他们可以做到，但是对于他们来说，任务并不像文件系统实现那样重要。

因此，我建议将文件放在其他位置，并仅使用Solr / Elasticsearch进行搜索。那是他们发光的地方。