Інтеграція Manticore Search для повнотекстового пошуку на сайті

Зауважимо: коли на сайті більше 100 000 сторінок, стандартний SQL LIKE перестає справлятися. Ми неодноразово стикалися з проєктами, де час пошуку сягав 5–10 секунд, що відлякує користувачів і знижує конверсію. Наприклад, в одному проєкті з каталогом на 3 млн товарів після впровадження Manticore середній час пошуку впав з 7 секунд до 35 мс, а навантаження на сервер БД знизилося в 10 разів. Повнотекстовий пошуковий двигун на кшталт Manticore Search вирішує проблему — час відповіді знижується до 20–50 мс. Ми використовуємо Manticore Search 6.x в Docker з PHP 8.x та PDO. Досвід понад 5 років та 30+ успішних інтеграцій. Ми підключаємо та налаштовуємо Manticore під ваш проєкт.

Які проблеми вирішуємо?

• Повільний пошук при великому обсязі даних. Manticore обробляє запити до індексів об'ємом у сотні гігабайт за мілісекунди. Типовий SQL-запит з LIKE викликає повне сканування таблиці та N+1 проблему — Manticore уникає цього завдяки інвертованим індексам.
• Складна морфологія української мови. Вбудований стемер stem_ru та лематизатор lemmatize_ru_all коректно обробляють відмінки та словоформи. Для української мови також доступні stem_uk та lemmatize_uk_all. Налаштування обов'язкове для україномовного контенту.
• Необхідність ранжування результатів. Налаштовуємо ваги полів, BM25, зважування за рейтингом та датою — пошук видає найбільш релевантне першим. Наприклад, заголовок статті має вагу 10, тіло — 1, автор — 2.
• Синхронізація з основною базою даних. Реалізуємо event-driven оновлення індексу через Observer або batch-індексацію. Без синхронізації пошук видає застарілі дані.

Чому Manticore краще Sphinx для нових проєктів?

Manticore активно розвивається: підтримує JSON-документи, HTTP API, колонкове сховище. Швидкість пошуку на 20–30% вища завдяки оптимізаціям в 6.x. Elasticsearch поступається Manticore за продуктивністю на простих повнотекстових запитах у 2–3 рази, а ліцензійні витрати нижчі. Згідно з офіційною документацією Manticore, швидкість пошуку на RT-індексах сягає 10 000 запитів на секунду. Якщо у вас legacy Sphinx — ми допоможемо мігрувати на Manticore без зупинки сервісу.

Що дає морфологія для української мови?

Зауважимо: як зазначено в документації Manticore з морфології, стемер stem_ru та лематизатор lemmatize_ru_all забезпечують коректне розпізнавання відмінків та словоформ. Без цього налаштування пошук не знайде «автомобіля» за запитом «автомобіль» або «автомобілів». Для української мови аналогічно працюють stem_uk та lemmatize_uk_all. Це критично для україномовного контенту.

Як ми налаштовуємо пошук: стек та приклад

Використовуємо Manticore Search 6.x, Docker, PHP 8.x з PDO. У типовому проєкті ми розгортаємо контейнер, налаштовуємо RT-індекс з морфологією для української мови, підключаємо через MySQL-протокол. Нижче — конфігурація та приклад коду.

Встановлення Manticore Search

# docker-compose.yml services: manticore: image: manticoresearch/manticore:6.2.12 environment: - EXTRA=1 ports: - "9306:9306" # MySQL-сумісний порт - "9308:9308" # HTTP API volumes: - manticore_data:/var/lib/manticore - ./manticore.conf:/etc/manticoresearch/manticore.conf 

Конфігурація індексу

# manticore.conf index articles { type = rt path = /var/lib/manticore/articles rt_field = title rt_field = body rt_field = author rt_attr_uint = category_id rt_attr_bigint = created_at rt_attr_float = rating rt_attr_string = slug morphology = stem_ru, stem_en, stem_uk min_word_len = 2 expand_keywords = 1 min_infix_len = 3 stopwords = /etc/manticoresearch/stopwords_ru.txt } searchd { listen = 0.0.0.0:9306:mysql41 listen = 0.0.0.0:9308:http log = /var/log/manticore/searchd.log query_log = /var/log/manticore/query.log max_matches = 10000 } 

Підключення через MySQL-протокол (PHP)

$pdo = new PDO('mysql:host=localhost;port=9306;charset=utf8', '', ''); $pdo->setAttribute(PDO::ATTR_ERRMODE, PDO::ERRMODE_EXCEPTION); // Вставка документа $stmt = $pdo->prepare(" INSERT INTO articles (id, title, body, author, category_id, created_at, rating) VALUES (:id, :title, :body, :author, :category_id, :created_at, :rating) "); $stmt->execute([ 'id' => $article->id, 'title' => $article->title, 'body' => strip_tags($article->content), 'author' => $article->user->name, 'category_id' => $article->category_id, 'created_at' => $article->created_at->timestamp, 'rating' => $article->rating, ]); // Повнотекстовий пошук з вагами полів $stmt = $pdo->prepare(" SELECT id, title, author, rating, WEIGHT() AS relevance FROM articles WHERE MATCH(:query) ORDER BY relevance DESC, rating DESC LIMIT :offset, :limit OPTION ranker=bm25, field_weights=(title=10, body=1, author=2) "); 

Синхронізація з базою даних

class ArticleObserver { public function saved(Article $article): void { ManticoreIndexJob::dispatch($article->id); } public function deleted(Article $article): void { ManticoreDeleteJob::dispatch($article->id); } } 

SELECT id, title, SNIPPET(body, :query, 'limit=200, around=5, html_strip_mode=strip') AS excerpt FROM articles WHERE MATCH(:query) LIMIT 20 

Процес роботи

1. Аналіз вимог до пошуку: обсяг даних, типи контенту, чи потрібна морфологія.
2. Проектування схеми індексу: поля, атрибути, ваги.
3. Розгортання Manticore в Docker, налаштування конфігурації.
4. Написання коду для індексації: початкове завантаження, інкрементальне оновлення.
5. Реалізація API пошуку в додатку з ранжуванням та снипетами.
6. UI: вікно пошуку, результати, пагінація, підсвітка знайденого.
7. Тестування: навантажувальне тестування, перевірка релевантності.
8. Деплой та моніторинг.

Що входить в роботу

• Встановлення та конфігурація Manticore Search в Docker.
• Створення RT-індексу з налаштуванням морфології, стоп-слів, інфіксів.
• Написання модуля синхронізації даних (Observer або batch).
• REST API для пошуку (SQL або JSON).
• Адаптація фронтенду: рядок пошуку, снипети, пагінація.
• Навантажувальне тестування та оптимізація.
• Документація з експлуатації та доступів.

Строки

Типові помилки та їх вирішення

Забезпечення синхронізації індексу в реальному часі

Використовуємо паттерн Observer: при збереженні або видаленні запису в Eloquent (Laravel) диспатчимо Job на оновлення індексу. У випадку batch-завантаження великих обсягів даних застосовуємо фоновий процес, який індексує пачки по 1000 записів. Це дозволяє тримати індекс актуальним без затримок.

Замовлення інтеграції пошуку

Зв'яжіться з нами для консультації та оцінки вашого проєкту. Ми проаналізуємо структуру даних, навантаження та вимоги до пошуку, запропонуємо оптимальне рішення. Працюємо під ключ за 6–7 днів. Гарантуємо стабільність та релевантні результати. Отримайте консультацію з інтеграції Manticore у ваш проєкт вже сьогодні.