Ergebnisse der Solr-Entwicklerumfrage 2016
Die Ergebnisse sind da! Wir haben die Ergebnisse der Solr-Entwicklerumfrage 2016 erhalten – vielen Dank an alle, die teilgenommen haben. Es hilft uns wirklich, eine Momentaufnahme der lebendigen Solr-Community zu erhalten und zu sehen, wie Entwickler auf der ganzen Welt erstaunliche Dinge mit Apache Solr anstellen.
Grundlegende demografische Daten
Wir begannen die Umfrage mit einigen grundlegenden demografischen Fragen zu Bildung, Gehalt, Branche usw.
Die meisten Entwickler arbeiten hauptberuflich im Bereich Technik/Telekommunikation und verfügen über einen Hochschulabschluss. Mehr Details unten:
Standort
Es überrascht nicht, dass die meisten der von uns befragten Entwickler in den Vereinigten Staaten leben, dicht gefolgt von Indien. Danach folgen Italien, Deutschland und Kanada.
Version von Solr
Wir sind immer neugierig auf diese Frage: Wer arbeitet noch mit älteren Versionen von Solr? Es ist gut zu sehen, dass Solr 5 sich an die Spitze des Feldes bewegt – wobei einige Entwickler immer noch Anwendungen erstellen oder pflegen müssen, die auf Solr 1.4 (veröffentlicht im November 2009) basieren. 
Konnektoren und Datenquellen
Bevor Sie Ihre Daten durchsuchen können, müssen Sie sie in Ihren Solr-Index bringen. Wir haben die Solr-Entwicklergemeinschaft gefragt, auf welche Konnektoren sie sich am meisten verlassen, wenn es darum geht, ihre Datenquellen für die Indizierung in ihre Solr-Instanz zu bringen. MySQL und lokale Dateisysteme wie interne Netzlaufwerke und andere Ressourcen standen ganz oben auf der Liste – das ist keine Überraschung. Andere Datenbanktechnologien rundeten die Top-Datenquellen ab, wobei Amazon S3, das öffentliche Web und Hadoop ebenfalls eine Rolle spielten.
Authentifizierung, Sicherheit und Schwärzung
Bei der Entwicklung von suchbasierten Anwendungen, die für einen größeren Nutzerkreis erstellt werden, ist Sicherheit von größter Bedeutung. Die gängigsten Authentifizierungsprotokolle sind für die meisten Entwickler so gut wie Standard: LDAP, Kerberos und Active Directory, aber dieses Jahr haben wir SiteMinder als Option hinzugefügt. Gut, dass wir das getan haben.
Wir wollten auch wissen, welche Sicherheitsstufen und welche Komplexität die Entwickler verwenden, um zu verhindern, dass Benutzer nicht autorisierte Inhalte sehen. 40 % gaben an, dass sie keine Sicherheitsstufe haben – was mehr als nur ein wenig beunruhigend ist. Ungefähr die gleiche Anzahl hatte Sicherheit auf Dokumentenebene innerhalb einer Such-App implementiert, wobei andere Stufen und Methoden folgten:
UI-Frameworks
Es ist immer ein heikles Thema, Entwickler zu fragen, welche Frameworks sie für ihre Anwendung verwenden. Es ist keine Überraschung, dass jQuery zusammen mit AngularJS an der Spitze steht. 
Abfragetypen
Die Umfrage enthielt auch eine Frage, um den Grad der Raffinesse der Abfragetypen zu ermitteln, die Entwickler in ihre Solr-Apps einbauen. Die Text- und Stichwortsuche war offensichtlich und bleibt die Grundlage der meisten Suchprojekte. Es war gut zu sehen, dass die semantische und konzeptionelle Suche immer mehr an Bedeutung gewinnt. Und da mobile Geräte weiterhin die Welt erobern, ist die räumliche und geo-spezifische Suche wichtiger denn je, wenn es darum geht, Menschen, Ressourcen, Produkte und Dienstleistungen sowie Suchergebnisse zu finden, die sich in der Nähe des aktuellen Standorts befinden.
ETL-Pipelines und Transformationen zum Zeitpunkt der Indizierung
Wir wollten auch ein wenig darüber wissen, welche Arten von Transformationen Solr-Anwendungen bei der Indizierung durchführen. Zu den häufigsten Transformationen bei den Befragten – zwischen 40 % und 75 % – gehörten die Identifizierung von Synonymen, die Extraktion von Inhalten, die Extraktion und Anreicherung von Metadaten, die Klassifizierung benannter Entitäten, Taxonomien und Ontologien. Die Analyse von Gefühlen und die Anreicherung von Sicherheitsinformationen waren weniger verbreitet.
ETL-Pipelines und Transformationen zur Abfragezeit
Transformationen können auch auf der Abfrageseite stattfinden – wenn der Benutzer eine Abfrage an die App sendet und die Liste der Ergebnisse an den Benutzer zurückgegeben wird. Facettierung, Auto-Suggest und Boost/Block wurden von fast der Hälfte der Anwendungen verwendet, an denen die Entwickler arbeiteten. Die Rückmeldungen der Nutzer werden immer stärker, da immer mehr Suchanwendungen beginnen, das Nutzerverhalten zu aggregieren, um die Suchergebnisse für einen einzelnen Nutzer, eine bestimmte Gruppe oder die gesamte Nutzerbasis zu beeinflussen.
Big Data-Integrationen
Solr lässt sich gut mit anderen Programmen kombinieren. Deshalb wollten wir herausfinden, welche Big Data-Bibliotheken und -Module die Entwickler dem Mix hinzufügen. Das Speicher- und Skalierbarkeitspferd Hadoop war für mehr als die Hälfte der befragten Entwickler ein Teil des Bildes, wobei Mongo und Spark von Platz 3 im letzten Jahr auf Platz 2 aufrückten. Bekannte Gesichter wie Cassandra, HBase, Hive und Pig runden die weniger beliebten Module ab.
Benutzerdefinierte Kodierung
Und schließlich wollten wir wissen, wie viel Blut, Schweiß und Tränen in die benutzerdefinierte Entwicklung geflossen sind. Was tun Sie, wenn Sie eine Bibliothek oder das Modul, das Sie benötigen, nicht finden können?
Und das ist das Ende unserer Entwicklerumfrage 2016.
Vielen Dank an alle, die mitgemacht haben, und wir sehen uns Ende 2016 zu einem Update!