Descargar sitios web que utilizan Solr

Acerca de Solr

Encontrar un servidor de búsqueda desde la internet abierta suele ser el error de alguien. Solr está pensado para estar en una red privada, detrás de una aplicación, y sin embargo las huellas que lo identifican son exactamente las que emite un sitio público cuando la configuración se desvía: una interfaz de administración accesible, un endpoint de consulta que se sirve directamente al navegador a través de un proxy, parámetros en una URL que solo usa una clase de servidor de búsqueda, una cabecera de respuesta que nadie recortó.

Una detección aquí tiene, por tanto, un doble significado, y conviene separar las dos lecturas antes de usar los datos. En una de ellas, el dominio opera infraestructura de búsqueda autogestionada: un índice que controla, un esquema que alguien afinó, un servicio en Java que hay que mantener vivo. En la otra, el dominio tiene una exposición, porque un endpoint de consulta accesible desde fuera es, en el mejor de los casos, una divulgación de información. Las dos lecturas salen de la misma fila, y solo una revisión manual del dominio permite distinguirlas.

La procedencia es inusualmente limpia para una ficha de este tipo. Solr lo mantiene Apache Software Foundation con licencia Apache 2.0, y el proyecto se remonta a 2006, lo que no deja ningún historial de adquisiciones que desenredar ni ninguna licencia sobre la que discutir. Nadie paga por ejecutarlo, así que la presencia no dice nada directo sobre presupuesto. Lo que la presencia sí dice es que la organización eligió operar la búsqueda en lugar de alquilarla, y operar la búsqueda es una decisión de plantilla: alguien sabe Java, alguien es responsable del índice, alguien recibe un aviso cuando la relevancia falla.

Hay además una implicación de escala. Un sitio que pone un servidor de búsqueda dedicado delante de un catálogo dice algo sobre su volumen, porque los equipos recurren a uno cuando la consulta a la base de datos dejó de bastar: catálogos de producto grandes, archivos documentales, corpus multilingües, navegación por facetas que un plugin genérico no puede ofrecer. Los dominios de esta ficha se inclinan hacia organizaciones con mucho contenido y con un motivo para hacerlo localizable, y ese es un público más específico del que da la huella de una tienda o de un gestor de contenidos.

La antigüedad importa para la lectura de seguridad. Un producto de servidor que se remonta a 2006 ha acumulado un largo historial de avisos de seguridad, y la infraestructura autoalojada se actualiza según el calendario de su dueño y de nadie más. No disponemos de desglose de versiones para esta ficha, así que las filas no pueden decir qué instalaciones están al día. Lo que las filas sí pueden decir es dónde mirar, que es la parte que nadie reconstruye comprobando dominios de uno en uno.

En octubre de 2026 registramos Solr en 12 sitios, y la cifra debe leerse como un recuento de visibilidad y no como una base instalada. Todo despliegue correctamente protegido por un cortafuegos nos resulta invisible por diseño, y las instalaciones bien llevadas son precisamente las que faltan en la lista. Para un proveedor de búsqueda gestionada que dimensiona el mercado autogestionado, para una consultora que vende migraciones o para quien investiga cuánta infraestructura queda expuesta por accidente, un inventario de las visibles sigue siendo el único punto de partida disponible.