Meilisearch, mesin pencari super cepat yang dirancang untuk terintegrasi dengan mulus pada aplikasi dan situs web, baru-baru ini mendapat perhatian karena kemampuan pencarian hibridanya. Seiring pasar mesin pencari terus berkembang dengan fitur berbasis AI, para pengembang berbagi pengalaman mereka menggunakan Meilisearch di lingkungan produksi dan membandingkannya dengan alternatif seperti Typesense, Elasticsearch, dan solusi baru seperti Orama.
Kesiapan Produksi dan Performa
Meilisearch telah siap untuk produksi sejak versi 1.0, dengan beberapa pengembang melaporkan implementasi sukses yang menangani jutaan dokumen. Seorang pengguna menyebutkan telah menerapkannya untuk korpus 7 juta artikel dengan hasil yang baik, sementara yang lain mencatat kemudahan pengaturan pada instans Hetzner seharga 8 dolar per bulan yang menangani satu juta catatan. Namun, pertanyaan masih tersisa tentang opsi ketersediaan tinggi, dengan beberapa pengguna mencatat bahwa menjalankan beberapa instans yang disinkronkan tampaknya menjadi satu-satunya solusi untuk redundansi.
Penggunaan memori mesin pencari ini telah memicu diskusi, dengan beberapa pengguna mengamati konsumsi memori yang tinggi (lebih dari 3GB) bahkan untuk instans kecil. Seorang anggota tim Meilisearch menjelaskan perilaku ini:
Sebenarnya, Meilisearch menggunakan RAM yang tersedia secara desain karena menggunakan LMDB (yang dipetakan ke memori) di bawah permukaan untuk penyimpanan key-value. Ini adalah fitur, bukan bug. Hal keren tentang itu adalah sistem operasi yang akan memilih proses mana yang akan dialokasikan memori.
Pilihan desain ini berarti Meilisearch memanfaatkan memori sistem yang tersedia untuk performa tetapi bergantung pada sistem operasi untuk mengelola alokasi memori antar proses.
Implementasi Pencarian Hibrida
Topik diskusi yang signifikan berpusat pada pendekatan Meilisearch terhadap pencarian hibrida, yang menggabungkan pencarian teks lengkap tradisional dengan pencarian semantik (berbasis vektor). Implementasi ini berbeda dari kompetitor seperti Typesense, yang menggunakan Reciprocal Rank Fusion (RRF) untuk menggabungkan hasil.
Percakapan mengungkapkan ketegangan antara pendekatan berbeda untuk pencarian hibrida, dengan seorang komentator (yang kemudian diidentifikasi sebagai anggota tim Meilisearch) mengkritik metode pencarian fusi Typesense sebagai hampir tidak berguna karena Anda akan selalu memiliki satu atau strategi pencarian lain yang akan memberikan hasil yang buruk. Ini memicu respons dari perwakilan Typesense yang membela pendekatan mereka sebagai hasil penelitian yang baik dan didokumentasikan dalam makalah akademis.
Untuk pengembang yang mempertimbangkan implementasi pencarian hibrida, seorang komentator menyarankan: Satu hal yang selalu perlu digali adalah bagaimana solusi pencarian hibrida Anda memfilter indeks pencarian vektor. Ini sama sekali tidak terstandarisasi, sering diabaikan, tetapi ketika Anda menginginkan 'X teratas yang paling mirip dengan kueri berdasarkan embedding, tetapi juga dalam kategori Y/cocok dengan istilah pencarian Z' itu adalah hal inti yang dilakukan pencarian hibrida Anda.
Fitur Utama Meilisearch:
- Pencarian hybrid yang menggabungkan pencarian semantik & teks lengkap
- Pencarian saat-mengetik (hasil dalam <50ms)
- Toleransi kesalahan ketik
- Pemfilteran dan pencarian berfaset
- Kemampuan pengurutan
- Dukungan sinonim
- Fungsi pencarian geografis
- Dukungan multi-bahasa
- Manajemen keamanan dengan kunci API
- Dukungan multi-tenancy
- API RESTful dengan plugin dan SDK
- Siap untuk AI dengan integrasi langchain
Kecepatan Pengindeksan dan Pembaruan Dokumen
Beberapa pengguna menyoroti tantangan dengan Meilisearch ketika menangani dokumen yang sering berubah. Salah satunya mencatat bahwa ketika dokumen sering berubah dan hasil pencarian perlu mencerminkan perubahan tersebut dengan cepat, akhirnya ada tugas tertunda selama berjam-jam. Namun, untuk konten statis atau yang jarang berubah, Meilisearch mendapat pujian atas performa dan kemudahan penyiapannya.
Tim Meilisearch menunjuk pada perbaikan dalam rilis terbaru mereka (v1.12), yang mencakup versi pengindeks baru yang jauh lebih cepat, memanfaatkan penggunaan tinggi pemrosesan paralel, dan mengurangi penulisan ke disk. Mereka juga menekankan pendekatan disk-first mereka, di mana konten ditulis ke disk daripada disimpan terutama di memori, memungkinkan reboot instan dan upgrade yang lebih mudah tanpa perlu pengindeksan ulang.
Alternatif Meilisearch yang Disebutkan:
- Typesense - Dikenal karena opsi ketersediaan tinggi
- Elasticsearch - Solusi tradisional untuk perusahaan
- Quickwit - Berbasis Tantivy (diakuisisi oleh Datadog)
- ParadeDB - Pencarian terintegrasi dengan Postgres
- Orama - Solusi kompak (<2KB) untuk browser/server/edge
- Vespa - Disebutkan karena kemampuan pencarian hibridnya
Solusi Alternatif
Diskusi mengungkapkan beberapa alternatif untuk Meilisearch yang dipertimbangkan pengembang. Typesense sering disebutkan, terutama untuk skenario ketersediaan tinggi. Yang lain menunjuk pada solusi berbasis Tantivy seperti Quickwit dan ParadeDB, meskipun kekhawatiran diangkat tentang masa depan Quickwit setelah diakuisisi oleh Datadog. Pendatang baru, Orama, disorot karena ukurannya yang kompak (di bawah 2KB) dan dukungan untuk pencarian teks lengkap, vektor, dan hibrida yang dapat berjalan di browser, server, atau jaringan edge.
Bagi mereka yang ingin menggabungkan pencarian teks lengkap dengan embedding vektor, saran termasuk Elasticsearch, Vespa, dan Typesense, meskipun pendapat bervariasi tentang kualitas implementasi dan kemudahan penggunaan.
Seiring teknologi pencarian terus berkembang dengan kemampuan AI, pendekatan Meilisearch untuk mempertahankan kompatibilitas mundur sambil meningkatkan performa menempatkannya sebagai pesaing di ruang ini, meskipun pengembang harus mempertimbangkan dengan cermat kebutuhan spesifik mereka seputar frekuensi pembaruan dokumen, penggunaan memori, dan ketersediaan tinggi ketika memilih solusi pencarian.
Referensi: Meilisearch: AI-powered search in GA
 |
|---|
| Antarmuka aplikasi pencarian film yang elegan yang mengilustrasikan bagaimana berbagai teknologi pencarian, seperti Meilisearch, membantu pengguna mengakses konten yang relevan secara efisien |