当你的搜索需求达不到 ES 的体量又不想忍受数据库 LIKE 查询的龟速——这篇文章就是为你写的。一、先看痛点为什么你需要一个专用搜索引擎假设你正在开发一个电商网站用户搜索蓝牙耳机降噪时后端代码大概率长这样SELECT * FROM products WHERE name LIKE %蓝牙%耳机%降噪%;这套方案在数据量破 10 万行后会出现三个致命问题问题表现性能崩塌LIKE %xxx% 无法走索引全表扫描100 万行数据单次查询可飙到 2-3 秒搜索质量差打错一个字蓝芽就搜不出来没有模糊容错排序无意义没有相关性评分最新上架的商品永远排在老爆款前面Elasticsearch 能解决这些问题但代价是什么Java 运行时吃 2-4 GB 内存集群配置复杂学习曲线陡峭。对于绝大多数中小项目来说这属于高射炮打蚊子。Meilisearch 就是卡在这个缺口上的工具。Rust 编写二进制不到 20 MB内存占用 100-300 MBRESTful API 一把梭5 分钟从零到可搜索。二、Meilisearch 是什么Meilisearch 是一个开源的、高性能的全文搜索引擎核心卖点Rust 编写编译为单二进制文件无运行时依赖极致性能开箱即用启动后直接通过 HTTP API 索引文档、搜索无需预先定义 Schema内置智能排序默认按相关性排序且规则透明可调拼写错误自动纠正、前缀搜索、同义词、停用词前端友好官方维护 JavaScript / React / Vue 即时搜索组件直接嵌入页面许可证MIT完全开放GitHub 地址https://github.com/meilisearch/meilisearch48k Stars截至 2026 年 7 月三、核心优点与 Elasticsearch 的量化对比以下是在同一台机器16 核 / 32 GB RAM / SSD上对 200 万条电商商品数据做的实测对比维度MeilisearchElasticsearch 8.x部署方式单二进制18 MBJava 依赖需 JVM整体 ~600 MB启动时间 1 秒10-30 秒空闲内存占用~120 MB~2 GB默认堆内存首次索引 200 万文档~11 分钟~8 分钟简单搜索 P99 延迟5 ms15 ms模糊搜索编辑距离 1内置零配置需要手动配置 Fuzzy Query同义词管理REST API 直接设需通过 Synonym Token Filter 重建索引即时搜索as-you-type内置前缀搜索直接可用需配置 Edge N-Gram 或 Search-as-you-type 字段高亮结果自动返回 _formatted 字段需显式指定 highlight 参数分布式扩展官方 Cloud 方案开源版单节点原生集群支持学习曲线15 分钟上手需要理解 mapping、analyzer、tokenizer、倒排索引机制一句话总结Meilisearch 牺牲了集群分布式的复杂能力换来了单机场景下碾压级的开发体验和响应速度。四、适用场景场景 1中小型电商 / 内容平台的站内搜索用户量在百万级以下商品 / 文章数量在千万级以下。Meilisearch 的单节点完全扛得住。官方实测单节点可处理 5000 万文档每秒 500 次搜索请求。场景 2SaaS 产品内的文档 / 知识库搜索每个租户的数据天然隔离Meilisearch 支持多索引配合 API Key 的索引级权限控制可以轻松实现租户 A 搜不到租户 B 的数据。场景 3个人项目 / 博客搜索 / 静态网站Hexo / Hugo / Docusaurus 等静态网站生成器都有官方插件搜索功能接入只需要一次 npm install。场景 4即时搜索Instant Search组件Meilisearch 的杀手级能力之一。用户在搜索框每敲一个字前端就发一次请求后端毫秒级返回匹配结果。用 ES 实现同样效果需要配置 Edge N-Gram复杂且耗资源。不适合的场景场景为什么不适合日志分析 / 时序数据ELK 那套Meilisearch 不是时序数据库不支持聚合分析PB 级数据、需要分布式集群开源版单节点需走官方 Cloud 或多节点自建企业版复杂聚合查询group by / join只做搜索不是 OLAP 引擎需要自定义分词器 / 深度定制 Analyzer分词策略是内置的可调但不支持完全自定义 Tokenizer五、实战从安装到上线5.1 安装与启动方式一直接下载二进制推荐# Linux / macOS curl -L https://install.meilisearch.com | sh # Windows直接下载 exe # https://github.com/meilisearch/meilisearch/releases # 启动默认监听 127.0.0.1:7700 ./meilisearch --master-keyyour-secret-key-change-me方式二Dockerdocker run -it --rm \ -p 7700:7700 \ -v $(pwd)/meili_data:/meili_data \ getmeili/meilisearch:latest \ meilisearch --master-keyyour-secret-key-change-me如果未提供主密钥或密钥长度不足16字节Meilisearch 会自动生成一个安全的密钥并在启动日志中提示你使用它。但为了安全可控建议你主动设置。启动后访问 http://localhost:7700/health返回 {status:available} 即成功。⚠️ master-key 必须设置且长度 ≥ 16 字节生产环境务必替换为强密码。5.2 索引文档Meilisearch 的核心理念是先灌数据后自动推断类型。不需要预先建 Mapping。# 创建索引并添加文档 curl -X POST http://localhost:7700/indexes/products/documents \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary [ { id: 1, title: Sony WH-1000XM5 无线降噪耳机, brand: Sony, category: 耳机, price: 2499, rating: 4.8, description: 行业标杆级主动降噪30 小时续航佩戴舒适 }, { id: 2, title: AirPods Pro 2 主动降噪蓝牙耳机, brand: Apple, category: 耳机, price: 1899, rating: 4.7, description: 苹果生态无缝切换自适应降噪空间音频 }, { id: 3, title: Bose QC45 头戴式降噪耳机, brand: Bose, category: 耳机, price: 2299, rating: 4.6, description: Bose 经典降噪技术轻量化设计24 小时续航 } ]返回 {taskUid:0,status:enqueued}Meilisearch 采用异步任务机制索引操作通过 task queue 执行。稍等一两秒即可搜索。5.3 执行搜索# 基础搜索 curl -X POST http://localhost:7700/indexes/products/search \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { q: 降噪耳机 }返回结果精简版{ hits: [ { id: 1, title: Sony WH-1000XM5 无线降噪耳机, price: 2499, _formatted: { title: Sony WH-1000XM5 无线em降噪/emem耳机/em, id: 1 } }, { id: 2, title: AirPods Pro 2 主动降噪蓝牙耳机, price: 1899, _formatted: { title: AirPods Pro 2 主动em降噪/em蓝牙em耳机/em, id: 2 } } ], processingTimeMs: 1, query: 降噪耳机 }注意几个关键点_formatted 字段自动返回了带 em 标签的高亮结果前端直接渲染processingTimeMs: 1毫秒级响应完全没有配置任何 mapping 或 analyzer一切都是自动的5.4 模糊搜索打错字也能搜到curl -X POST http://localhost:7700/indexes/products/search \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { q: jiangzao耳机 }搜索 jiangzao耳机降噪的拼音Meilisearch 自动启用容错算法仍然返回正确结果。编辑距离默认为 1 时可纠正单个字符的错拼如 降燥 → 降噪。5.5 过滤器与排序curl -X POST http://localhost:7700/indexes/products/search \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { q: 耳机, filter: price 1500 AND price 2500 AND brand \Sony\, sort: [price:asc] }过滤器语法支持 AND / OR / NOT / TO范围也支持地理位置过滤_geoRadius。⚠️ 用于过滤或排序的字段必须先在 Settings 中声明为 filterableAttributes / sortableAttributes否则不会生效curl -X PATCH http://localhost:7700/indexes/products/settings \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { filterableAttributes: [price, brand, category], sortableAttributes: [price, rating] }5.6 同义词与停用词# 设置同义词从此搜索无线耳机蓝牙耳机 curl -X PUT http://localhost:7700/indexes/products/settings/synonyms \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { 无线耳机: [蓝牙耳机], 降噪: [ANC, 主动降噪] } # 设置停用词搜索时自动忽略这些词 curl -X PUT http://localhost:7700/indexes/products/settings/stop-words \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary [的, 了, 是, 在]5.7 API Key 权限控制Meilisearch 的鉴权模型分为三层Key 类型权限范围用途Master Key全局管理创建 / 删除索引、管理 API KeyAdmin Key指定索引的读写后端服务用索引文档 更新设置Search Key指定索引的只读前端直接暴露仅可搜索这一点特别重要你可以把一个只读的 Search API Key 直接写在前端 JavaScript 中用户只能搜不能改。安全性由 API Key 的索引级 操作级权限保证。# 创建仅供前端使用的 Search Key curl -X POST http://localhost:7700/keys \ -H Content-Type: application/json \ -H Authorization: Bearer your-master-key \ --data-binary { description: Frontend Search Key, actions: [search], indexes: [products], expiresAt: null }5.8 前端接入React 示例Meilisearch 官方提供的 instant-meilisearch 库可以直接对接 Algolia 的 react-instantsearch 组件因为 API 格式兼容npm install meilisearch/instant-meilisearch react-instantsearchimport React from react; import { InstantSearch, SearchBox, Hits } from react-instantsearch; import { instantMeiliSearch } from meilisearch/instant-meilisearch; const searchClient instantMeiliSearch( http://localhost:7700, your-search-only-api-key // ← 前端直接暴露的只读 Key ); const Hit ({ hit }) ( div classNameproduct-card h3 dangerouslySetInnerHTML{{ __html: hit._formatted.title }} / p¥{hit.price}/p /div ); export default function Search() { return ( InstantSearch indexNameproducts searchClient{searchClient} SearchBox placeholder搜索商品... / Hits hitComponent{Hit} / /InstantSearch ); }5.9 Python SDK 示例pip install meilisearchimport meilisearch client meilisearch.Client(http://localhost:7700, your-master-key) # 索引文档 documents [ {id: 1, title: Python 高性能编程, price: 79}, {id: 2, title: Rust 实战, price: 89}, {id: 3, title: Go 语言并发编程, price: 69}, ] client.index(books).add_documents(documents) # 搜索 results client.index(books).search(编程, { filter: price 70, sort: [price:desc] }) for hit in results[hits]: print(f{hit[title]} - ¥{hit[price]})六、生产环境注意事项关注点建议数据持久化启动时通过 --db-path ./meili_data 指定数据目录数据自动持久化到磁盘备份策略Meilisearch 支持 Dump全量快照通过 POST /dumps 创建GET /dumps/:uid/status 查看进度内存限制--max-indexing-memory 控制索引时的内存上限默认约为 RAM 的 2/3可按需调低搜索 API 限流通过反向代理Nginx / Caddy做 rate limitingMeilisearch 本身不内置限流HTTPS生产环境务必在前面挂 Nginx 做 TLS 终止Meilisearch 自身监听 HTTP监控GET /stats 获取数据库大小、文档数、索引数GET /health 做存活探针七、与其他方案的选择指南你的情况推荐数据量 5000 万团队 20 人只需要搜索Meilisearch已经在用 PostgreSQL数据量 100 万PostgreSQL 内置全文搜索tsvector就够了不需要引入额外组件需要日志分析、聚合统计、PB 级数据Elasticsearch需要可嵌入的嵌入式数据库 搜索SQLite FTS5或DuckDB FTS 扩展纯静态网站搜索先用 Meilisearch Cloud 免费层10 万文档或者用 Lunr.js纯前端、无需后端需要向量搜索AI / RAG 场景Meilisearch v1.3 实验性支持向量搜索但首选Milvus / Qdrant / pgvector八、总结Meilisearch 解决了一个很具体的问题如何在资源受限、团队有限的情况下快速获得一个高质量、毫秒级的搜索体验。它的设计哲学是开发者体验优先——不需要学倒排索引原理、不需要配置分词器、不需要管理集群一个二进制文件就能跑。如果你的项目满足了单机能装下这个前提Meilisearch 大概率是比 Elasticsearch 更务实的选择。用 Rust 重构基础设施的趋势还在继续Meilisearch 是这股浪潮里做得很漂亮的一个代表。
当你的搜索需求达不到 ES 的体量又不想忍受数据库 LIKE 查询的龟速——这篇文章就是为你写的。一、先看痛点为什么你需要一个专用搜索引擎假设你正在开发一个电商网站用户搜索蓝牙耳机降噪时后端代码大概率长这样SELECT * FROM products WHERE name LIKE %蓝牙%耳机%降噪%;这套方案在数据量破 10 万行后会出现三个致命问题问题表现性能崩塌LIKE %xxx% 无法走索引全表扫描100 万行数据单次查询可飙到 2-3 秒搜索质量差打错一个字蓝芽就搜不出来没有模糊容错排序无意义没有相关性评分最新上架的商品永远排在老爆款前面Elasticsearch 能解决这些问题但代价是什么Java 运行时吃 2-4 GB 内存集群配置复杂学习曲线陡峭。对于绝大多数中小项目来说这属于高射炮打蚊子。Meilisearch 就是卡在这个缺口上的工具。Rust 编写二进制不到 20 MB内存占用 100-300 MBRESTful API 一把梭5 分钟从零到可搜索。二、Meilisearch 是什么Meilisearch 是一个开源的、高性能的全文搜索引擎核心卖点Rust 编写编译为单二进制文件无运行时依赖极致性能开箱即用启动后直接通过 HTTP API 索引文档、搜索无需预先定义 Schema内置智能排序默认按相关性排序且规则透明可调拼写错误自动纠正、前缀搜索、同义词、停用词前端友好官方维护 JavaScript / React / Vue 即时搜索组件直接嵌入页面许可证MIT完全开放GitHub 地址https://github.com/meilisearch/meilisearch48k Stars截至 2026 年 7 月三、核心优点与 Elasticsearch 的量化对比以下是在同一台机器16 核 / 32 GB RAM / SSD上对 200 万条电商商品数据做的实测对比维度MeilisearchElasticsearch 8.x部署方式单二进制18 MBJava 依赖需 JVM整体 ~600 MB启动时间 1 秒10-30 秒空闲内存占用~120 MB~2 GB默认堆内存首次索引 200 万文档~11 分钟~8 分钟简单搜索 P99 延迟5 ms15 ms模糊搜索编辑距离 1内置零配置需要手动配置 Fuzzy Query同义词管理REST API 直接设需通过 Synonym Token Filter 重建索引即时搜索as-you-type内置前缀搜索直接可用需配置 Edge N-Gram 或 Search-as-you-type 字段高亮结果自动返回 _formatted 字段需显式指定 highlight 参数分布式扩展官方 Cloud 方案开源版单节点原生集群支持学习曲线15 分钟上手需要理解 mapping、analyzer、tokenizer、倒排索引机制一句话总结Meilisearch 牺牲了集群分布式的复杂能力换来了单机场景下碾压级的开发体验和响应速度。四、适用场景场景 1中小型电商 / 内容平台的站内搜索用户量在百万级以下商品 / 文章数量在千万级以下。Meilisearch 的单节点完全扛得住。官方实测单节点可处理 5000 万文档每秒 500 次搜索请求。场景 2SaaS 产品内的文档 / 知识库搜索每个租户的数据天然隔离Meilisearch 支持多索引配合 API Key 的索引级权限控制可以轻松实现租户 A 搜不到租户 B 的数据。场景 3个人项目 / 博客搜索 / 静态网站Hexo / Hugo / Docusaurus 等静态网站生成器都有官方插件搜索功能接入只需要一次 npm install。场景 4即时搜索Instant Search组件Meilisearch 的杀手级能力之一。用户在搜索框每敲一个字前端就发一次请求后端毫秒级返回匹配结果。用 ES 实现同样效果需要配置 Edge N-Gram复杂且耗资源。不适合的场景场景为什么不适合日志分析 / 时序数据ELK 那套Meilisearch 不是时序数据库不支持聚合分析PB 级数据、需要分布式集群开源版单节点需走官方 Cloud 或多节点自建企业版复杂聚合查询group by / join只做搜索不是 OLAP 引擎需要自定义分词器 / 深度定制 Analyzer分词策略是内置的可调但不支持完全自定义 Tokenizer五、实战从安装到上线5.1 安装与启动方式一直接下载二进制推荐# Linux / macOS curl -L https://install.meilisearch.com | sh # Windows直接下载 exe # https://github.com/meilisearch/meilisearch/releases # 启动默认监听 127.0.0.1:7700 ./meilisearch --master-keyyour-secret-key-change-me方式二Dockerdocker run -it --rm \ -p 7700:7700 \ -v $(pwd)/meili_data:/meili_data \ getmeili/meilisearch:latest \ meilisearch --master-keyyour-secret-key-change-me如果未提供主密钥或密钥长度不足16字节Meilisearch 会自动生成一个安全的密钥并在启动日志中提示你使用它。但为了安全可控建议你主动设置。启动后访问 http://localhost:7700/health返回 {status:available} 即成功。⚠️ master-key 必须设置且长度 ≥ 16 字节生产环境务必替换为强密码。5.2 索引文档Meilisearch 的核心理念是先灌数据后自动推断类型。不需要预先建 Mapping。# 创建索引并添加文档 curl -X POST http://localhost:7700/indexes/products/documents \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary [ { id: 1, title: Sony WH-1000XM5 无线降噪耳机, brand: Sony, category: 耳机, price: 2499, rating: 4.8, description: 行业标杆级主动降噪30 小时续航佩戴舒适 }, { id: 2, title: AirPods Pro 2 主动降噪蓝牙耳机, brand: Apple, category: 耳机, price: 1899, rating: 4.7, description: 苹果生态无缝切换自适应降噪空间音频 }, { id: 3, title: Bose QC45 头戴式降噪耳机, brand: Bose, category: 耳机, price: 2299, rating: 4.6, description: Bose 经典降噪技术轻量化设计24 小时续航 } ]返回 {taskUid:0,status:enqueued}Meilisearch 采用异步任务机制索引操作通过 task queue 执行。稍等一两秒即可搜索。5.3 执行搜索# 基础搜索 curl -X POST http://localhost:7700/indexes/products/search \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { q: 降噪耳机 }返回结果精简版{ hits: [ { id: 1, title: Sony WH-1000XM5 无线降噪耳机, price: 2499, _formatted: { title: Sony WH-1000XM5 无线em降噪/emem耳机/em, id: 1 } }, { id: 2, title: AirPods Pro 2 主动降噪蓝牙耳机, price: 1899, _formatted: { title: AirPods Pro 2 主动em降噪/em蓝牙em耳机/em, id: 2 } } ], processingTimeMs: 1, query: 降噪耳机 }注意几个关键点_formatted 字段自动返回了带 em 标签的高亮结果前端直接渲染processingTimeMs: 1毫秒级响应完全没有配置任何 mapping 或 analyzer一切都是自动的5.4 模糊搜索打错字也能搜到curl -X POST http://localhost:7700/indexes/products/search \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { q: jiangzao耳机 }搜索 jiangzao耳机降噪的拼音Meilisearch 自动启用容错算法仍然返回正确结果。编辑距离默认为 1 时可纠正单个字符的错拼如 降燥 → 降噪。5.5 过滤器与排序curl -X POST http://localhost:7700/indexes/products/search \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { q: 耳机, filter: price 1500 AND price 2500 AND brand \Sony\, sort: [price:asc] }过滤器语法支持 AND / OR / NOT / TO范围也支持地理位置过滤_geoRadius。⚠️ 用于过滤或排序的字段必须先在 Settings 中声明为 filterableAttributes / sortableAttributes否则不会生效curl -X PATCH http://localhost:7700/indexes/products/settings \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { filterableAttributes: [price, brand, category], sortableAttributes: [price, rating] }5.6 同义词与停用词# 设置同义词从此搜索无线耳机蓝牙耳机 curl -X PUT http://localhost:7700/indexes/products/settings/synonyms \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary { 无线耳机: [蓝牙耳机], 降噪: [ANC, 主动降噪] } # 设置停用词搜索时自动忽略这些词 curl -X PUT http://localhost:7700/indexes/products/settings/stop-words \ -H Content-Type: application/json \ -H Authorization: Bearer your-secret-key-change-me \ --data-binary [的, 了, 是, 在]5.7 API Key 权限控制Meilisearch 的鉴权模型分为三层Key 类型权限范围用途Master Key全局管理创建 / 删除索引、管理 API KeyAdmin Key指定索引的读写后端服务用索引文档 更新设置Search Key指定索引的只读前端直接暴露仅可搜索这一点特别重要你可以把一个只读的 Search API Key 直接写在前端 JavaScript 中用户只能搜不能改。安全性由 API Key 的索引级 操作级权限保证。# 创建仅供前端使用的 Search Key curl -X POST http://localhost:7700/keys \ -H Content-Type: application/json \ -H Authorization: Bearer your-master-key \ --data-binary { description: Frontend Search Key, actions: [search], indexes: [products], expiresAt: null }5.8 前端接入React 示例Meilisearch 官方提供的 instant-meilisearch 库可以直接对接 Algolia 的 react-instantsearch 组件因为 API 格式兼容npm install meilisearch/instant-meilisearch react-instantsearchimport React from react; import { InstantSearch, SearchBox, Hits } from react-instantsearch; import { instantMeiliSearch } from meilisearch/instant-meilisearch; const searchClient instantMeiliSearch( http://localhost:7700, your-search-only-api-key // ← 前端直接暴露的只读 Key ); const Hit ({ hit }) ( div classNameproduct-card h3 dangerouslySetInnerHTML{{ __html: hit._formatted.title }} / p¥{hit.price}/p /div ); export default function Search() { return ( InstantSearch indexNameproducts searchClient{searchClient} SearchBox placeholder搜索商品... / Hits hitComponent{Hit} / /InstantSearch ); }5.9 Python SDK 示例pip install meilisearchimport meilisearch client meilisearch.Client(http://localhost:7700, your-master-key) # 索引文档 documents [ {id: 1, title: Python 高性能编程, price: 79}, {id: 2, title: Rust 实战, price: 89}, {id: 3, title: Go 语言并发编程, price: 69}, ] client.index(books).add_documents(documents) # 搜索 results client.index(books).search(编程, { filter: price 70, sort: [price:desc] }) for hit in results[hits]: print(f{hit[title]} - ¥{hit[price]})六、生产环境注意事项关注点建议数据持久化启动时通过 --db-path ./meili_data 指定数据目录数据自动持久化到磁盘备份策略Meilisearch 支持 Dump全量快照通过 POST /dumps 创建GET /dumps/:uid/status 查看进度内存限制--max-indexing-memory 控制索引时的内存上限默认约为 RAM 的 2/3可按需调低搜索 API 限流通过反向代理Nginx / Caddy做 rate limitingMeilisearch 本身不内置限流HTTPS生产环境务必在前面挂 Nginx 做 TLS 终止Meilisearch 自身监听 HTTP监控GET /stats 获取数据库大小、文档数、索引数GET /health 做存活探针七、与其他方案的选择指南你的情况推荐数据量 5000 万团队 20 人只需要搜索Meilisearch已经在用 PostgreSQL数据量 100 万PostgreSQL 内置全文搜索tsvector就够了不需要引入额外组件需要日志分析、聚合统计、PB 级数据Elasticsearch需要可嵌入的嵌入式数据库 搜索SQLite FTS5或DuckDB FTS 扩展纯静态网站搜索先用 Meilisearch Cloud 免费层10 万文档或者用 Lunr.js纯前端、无需后端需要向量搜索AI / RAG 场景Meilisearch v1.3 实验性支持向量搜索但首选Milvus / Qdrant / pgvector八、总结Meilisearch 解决了一个很具体的问题如何在资源受限、团队有限的情况下快速获得一个高质量、毫秒级的搜索体验。它的设计哲学是开发者体验优先——不需要学倒排索引原理、不需要配置分词器、不需要管理集群一个二进制文件就能跑。如果你的项目满足了单机能装下这个前提Meilisearch 大概率是比 Elasticsearch 更务实的选择。用 Rust 重构基础设施的趋势还在继续Meilisearch 是这股浪潮里做得很漂亮的一个代表。
