So sánh Search Engine: Elasticsearch, Algolia và Meilisearch

Elasticsearch là công cụ tìm kiếm và phân tích tự vận hành mạnh nhất trong ba cái tên, phù hợp khi dữ liệu lớn, truy vấn phức tạp hoặc cần phân tích log; Algolia là dịch vụ tìm kiếm dạng SaaS cho trải nghiệm "gõ đến đâu ra đến đó" mà không phải vận hành máy chủ; Meilisearch là công cụ mã nguồn mở gọn nhẹ, dễ cài, cho kết quả tốt ngay với cấu hình mặc định, hợp với sản phẩm vừa và nhỏ. Bài viết so sánh để bạn chọn theo quy mô dữ liệu, đội ngũ và ngân sách.

Vì sao không dùng LIKE trong database

Câu truy vấn kiểu WHERE name LIKE '%áo khoác%' không dùng được chỉ mục thông thường, chậm dần khi bảng lớn, không xếp hạng mức độ liên quan, không chịu được lỗi gõ và không hiểu rằng "ao khoac" cũng là "áo khoác". Search engine giải quyết bằng chỉ mục đảo ngược (inverted index): tách văn bản thành các token, ghi lại token nào xuất hiện ở tài liệu nào, rồi chấm điểm liên quan khi truy vấn.

PostgreSQL có full-text search và tiện ích pg_trgm đủ dùng cho nhiều trường hợp nhỏ. Khi cần gợi ý tức thì, lọc nhiều thuộc tính, chịu lỗi gõ tốt hoặc dữ liệu lên hàng triệu bản ghi, công cụ chuyên dụng sẽ đáng đầu tư hơn.

Elasticsearch: linh hoạt và mạnh mẽ

Elasticsearch xây trên thư viện Apache Lucene, lưu tài liệu JSON, phân tán dữ liệu thành shard trên nhiều node. Ngoài tìm kiếm văn bản, nó còn mạnh ở aggregation (thống kê, nhóm, biểu đồ), là lõi của bộ ELK (Elasticsearch, Logstash, Kibana) cho phân tích log. Các bản gần đây hỗ trợ tìm kiếm vector để kết hợp với mô hình nhúng (embedding).

Về giấy phép, Elastic từng chuyển sang giấy phép không phải mã nguồn mở năm 2021, sau đó bổ sung lựa chọn AGPL vào năm 2024. Amazon và cộng đồng duy trì OpenSearch là nhánh tách ra từ phiên bản trước đó, hiện thuộc Linux Foundation.

Phù hợp khi: dữ liệu lớn, cần truy vấn phức tạp (bool query, nested, geo), cần phân tích kèm tìm kiếm, có đội vận hành.

Cần lưu ý: cấu hình mapping và analyzer đòi hỏi hiểu biết; cụm cần theo dõi heap JVM, số shard, dung lượng đĩa; tối ưu điểm liên quan phải tự làm.

Algolia: tìm kiếm dạng dịch vụ

Algolia là SaaS: bạn đẩy dữ liệu lên qua API, Algolia lo chỉ mục, máy chủ phân tán nhiều khu vực và trả kết quả với độ trễ rất thấp. Họ cung cấp thư viện giao diện InstantSearch cho React, Vue, JavaScript thuần, iOS, Android, giúp làm ô tìm kiếm có gợi ý, lọc theo facet chỉ trong vài ngày.

Phù hợp khi: website thương mại điện tử, tài liệu, nội dung cần trải nghiệm tìm kiếm tốt ngay mà đội không muốn vận hành hạ tầng; có tính năng cá nhân hóa, A/B test, phân tích truy vấn.

Cần lưu ý: chi phí tính theo số bản ghi và số lượt tìm kiếm, tăng nhanh khi lưu lượng lớn; dữ liệu nằm trên hạ tầng bên thứ ba, cần đánh giá theo yêu cầu bảo vệ dữ liệu cá nhân của doanh nghiệp; khả năng tùy biến thuật toán xếp hạng nằm trong khuôn khổ cấu hình Algolia cho phép.

Meilisearch: nhẹ, nhanh, dễ dùng

Meilisearch viết bằng Rust, phân phối dưới dạng một file chạy, mã nguồn mở theo giấy phép MIT cho bản cộng đồng, có thêm Meilisearch Cloud trả phí. Chỉ cần đẩy tài liệu JSON là có ngay tìm kiếm chịu lỗi gõ, xếp hạng hợp lý, lọc, sắp xếp, facet. Bản gần đây có hỗ trợ tìm kiếm lai (hybrid) kết hợp vector.

Phù hợp khi: sản phẩm vừa và nhỏ, catalog vài nghìn đến vài triệu bản ghi, cần trải nghiệm kiểu Algolia nhưng muốn tự host để kiểm soát dữ liệu và chi phí.

Cần lưu ý: mô hình mở rộng ngang và phân tích dữ liệu không mạnh bằng Elasticsearch; chỉ mục lại toàn bộ dữ liệu lớn tốn thời gian và RAM; không thay thế được ELK cho log.

Tìm kiếm tiếng Việt: điểm cần kiểm tra kỹ

Tiếng Việt có dấu, từ ghép nhiều âm tiết và người dùng hay gõ không dấu. Khi đánh giá công cụ, hãy thử thực tế với dữ liệu của bạn:

• Bỏ dấu: tìm "dien thoai" phải ra "điện thoại". Elasticsearch có filter asciifolding; Algolia và Meilisearch có chuẩn hóa ký tự, nhưng cần kiểm tra trường hợp chữ "đ".
• Tách từ: tách theo khoảng trắng hoạt động chấp nhận được vì mỗi âm tiết đã cách nhau, nhưng xếp hạng cụm từ ("máy giặt" so với "máy" và "giặt" riêng rẽ) cần thử. Elasticsearch có plugin phân tích tiếng Việt do cộng đồng phát triển.
• Từ đồng nghĩa: "laptop" và "máy tính xách tay", "tivi" và "TV". Cả ba công cụ đều cho khai báo synonym.
• Lỗi gõ Telex/VNI dở dang: người dùng gõ nhanh có thể ra "ddieenj thoaij". Có thể cần chuẩn hóa ở phía ứng dụng trước khi gửi truy vấn.

Bảng so sánh

Kiến trúc đồng bộ dữ liệu

Dù chọn công cụ nào, search engine chỉ là bản sao phục vụ tìm kiếm, nguồn sự thật vẫn là database chính. Các cách đồng bộ phổ biến:

1. Ghi kép trong code: lưu database xong thì gọi API cập nhật chỉ mục. Đơn giản nhưng dễ lệch nếu bước thứ hai lỗi.
2. Qua hàng đợi: phát sự kiện thay đổi, một worker cập nhật chỉ mục, có retry. Bài so sánh RabbitMQ, Kafka và Redis Pub/Sub giúp chọn kênh truyền phù hợp.
3. Change Data Capture: đọc log thay đổi của database (ví dụ Debezium) và đẩy sang search engine, không cần sửa code ứng dụng.
4. Chỉ mục lại định kỳ: chạy batch hằng đêm, dùng kèm các cách trên để sửa sai lệch tích lũy.

Thiết kế tài liệu cho search engine nên "phẳng" và chứa sẵn thông tin cần hiển thị (tên danh mục, giá, tồn kho) thay vì bắt ứng dụng truy vấn database thêm lần nữa. Đây là sự khác biệt với cách chuẩn hóa trong thiết kế schema cơ sở dữ liệu quan hệ.

Gợi ý lựa chọn nhanh

• Website nội dung, cửa hàng vài nghìn sản phẩm, đội nhỏ: Meilisearch tự host hoặc Algolia gói nhỏ.
• Thương mại điện tử lưu lượng lớn, cần tính năng merchandising, ít nhân sự vận hành: Algolia, sau khi tính kỹ chi phí theo lượt tìm.
• Nền tảng dữ liệu lớn, tìm kiếm kèm thống kê, hoặc đã dùng ELK cho log: Elasticsearch hoặc OpenSearch.