Typesense 开源搜索引擎教程
2026-01-17 08:26:10作者:邓越浪Henry
项目介绍
Typesense 是一个现代、快速、开源的搜索引擎,旨在为开发者提供一个易于使用的搜索解决方案。它是一个开源的 Algolia 和 Pinecone 的替代品,也是一个比 Elasticsearch 更易于使用的替代品。Typesense 使用最新的算法,充分利用了硬件能力和机器学习的最新进展,提供了即搜即得、自动完成、分面导航、地理搜索、模糊搜索、向量搜索和语义搜索等功能。
项目快速启动
环境准备
在开始之前,请确保您的系统满足以下依赖要求:
- C++11 兼容的编译器(GCC >= 4.9.0, Apple Clang >= 8.0, Clang >= 3.9.0)
- Snappy
- zlib
- OpenSSL (>=1.0.2)
- curl
- ICU
构建 Typesense
-
克隆项目仓库:
git clone https://github.com/typesense/typesense.git cd typesense -
安装依赖:
sudo apt-get install -y build-essential snappy zlib1g-dev libssl-dev libcurl4-openssl-dev libicu-dev -
使用 Bazel 构建 Typesense:
bazel build //:typesense-server
启动 Typesense 服务器
构建完成后,您可以启动 Typesense 服务器:
bash ./bazel-bin/typesense-server --data-dir=/path/to/data --api-key=your_api_key
应用案例和最佳实践
案例一:xkcd 漫画搜索
Typesense 可以用于构建一个按主题浏览 xkcd 漫画的应用。以下是一个简单的示例:
const Typesense = require('typesense');
const client = new Typesense.Client({
nodes: [{
host: 'localhost',
port: '8108',
protocol: 'http'
}],
apiKey: 'your_api_key',
connectionTimeoutSeconds: 2
});
const schema = {
name: 'comics',
fields: [
{ name: 'title', type: 'string' },
{ name: 'transcript', type: 'string' },
{ name: 'num', type: 'int32' }
]
};
client.collections().create(schema).then(() => {
console.log('Collection created');
});
案例二:电子商务商店前端
使用 Typesense 和 Next.js 构建一个电子商务商店前端,提供快速且耐错的搜索体验。
import TypesenseInstantSearchAdapter from 'typesense-instantsearch-adapter';
const typesenseInstantsearchAdapter = new TypesenseInstantSearchAdapter({
server: {
apiKey: 'your_api_key',
nodes: [
{
host: 'localhost',
port: '8108',
protocol: 'http'
}
]
},
additionalSearchParameters: {
queryBy: 'title,description'
}
});
const searchClient = typesenseInstantsearchAdapter.searchClient;
const search = instantsearch({
indexName: 'products',
searchClient
});
search.addWidgets([
instantsearch.widgets.searchBox({
container: '#searchbox'
}),
instantsearch.widgets.hits({
container: '#hits',
templates: {
item: `
<div>
<strong>{{#helpers.highlight}}{ "attribute": "title" }{{/helpers.highlight}}</strong>
<p>{{#helpers.highlight}}{ "attribute": "description" }{{/helpers.highlight}}</p>
</div>
`
}
})
]);
search.start();
典型生态项目
Typesense Python 客户端
Typesense 提供了官方的 Python 客户端,方便 Python 开发者与 Typesense 服务器进行交互。
from typesense import Client
client = Client({
'nodes': [{
'host': 'localhost',
'port': '8108',
'protocol': 'http'
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271