Scaricare i siti web che utilizzano Solr

Informazioni su Solr

Se un server di ricerca risulta raggiungibile da internet, di solito è perché qualcuno ha commesso un errore. Il motore di ricerca Solr è pensato per stare su una rete privata, dietro un’applicazione, eppure le impronte che lo identificano sono esattamente quelle che un sito pubblico emette quando la configurazione si discosta col tempo da quella prevista: un’interfaccia di amministrazione rimasta raggiungibile, un endpoint di interrogazione inoltrato tramite proxy fino al browser, parametri URL usati da una sola classe di server di ricerca, un’intestazione di risposta che nessuno ha ripulito.

Per questo, qui, un rilevamento ha un doppio significato, e conviene separare le due letture prima di usare i dati. Nella prima, il dominio gestisce in proprio un’infrastruttura di ricerca: un indice sotto il suo controllo, uno schema che qualcuno ha messo a punto, un servizio Java da tenere in funzione. Nella seconda, il dominio presenta un’esposizione, perché un endpoint di interrogazione raggiungibile dall’esterno è, nel migliore dei casi, una fuga di informazioni. Le due letture nascono dalla stessa riga, e solo un controllo manuale del dominio permette di distinguerle.

Per una voce di questo tipo, la provenienza è insolitamente limpida. Il progetto Solr è mantenuto da Apache Software Foundation con licenza Apache 2.0 e risale al 2006, il che non lascia nessuna storia di acquisizioni da districare né questioni di licenza su cui discutere. Nessuno paga per eseguirlo, quindi la sua presenza non dice nulla di diretto sul budget. Quello che la presenza dice è che l’organizzazione ha scelto di gestire la ricerca anziché affittarla, e gestire la ricerca è una decisione che riguarda il personale: qualcuno conosce Java, qualcuno è responsabile dell’indice, qualcuno viene allertato quando la pertinenza dei risultati smette di funzionare.

C’è anche un’implicazione di scala. Un sito che mette un server di ricerca dedicato davanti a un catalogo comunica qualcosa sui propri volumi, perché i team ne adottano uno quando la query sul database non basta più: grandi assortimenti di prodotti, archivi di documenti, corpora multilingue, una navigazione a faccette che un plugin generico non è in grado di offrire. I domini di questa voce appartengono in prevalenza a organizzazioni con molti contenuti e un motivo per renderli reperibili, il che individua un pubblico più specifico di quello che offre l’impronta di un negozio online o di un sistema di gestione dei contenuti.

Per la lettura di sicurezza conta anche l’età. Un prodotto server che risale al 2006 ha accumulato una lunga storia di bollettini di sicurezza, e un’infrastruttura in self-hosting si aggiorna secondo i tempi del suo proprietario e di nessun altro. Per questa voce non abbiamo una ripartizione per versione, quindi le righe non possono dire quali installazioni siano aggiornate. Quello che le righe possono dire è dove guardare, ed è proprio la parte che nessuno riesce a ricostruire controllando i domini uno alla volta.

A ottobre 2026 registriamo Solr su 104 siti, e il dato va letto come un conteggio di visibilità, non come una base installata. Ogni installazione protetta correttamente da un firewall ci resta invisibile per come è concepita, e le installazioni gestite bene sono proprio quelle che mancano dall’elenco. Per un fornitore di ricerca in hosting che vuole dimensionare il mercato delle installazioni autogestite, per una società di consulenza che vende migrazioni o per un ricercatore che misura quanta infrastruttura resta esposta per errore, un inventario di quelle visibili rimane comunque l’unico punto di partenza disponibile.