翻译记忆服务器提供一个集中式的翻译记忆服务。用户通过API，获得匹配的翻译记忆条目，不需要在本地拥有一份翻译记忆库，也不需要在本地进行计算。
开源的在线本地化软件Pootle支持两种在线翻译记忆服务：自己开发的amaGama、基于Elasticsearch的翻译记忆服务。
amaGama
amaGama是用Python+Flask+PostgreSQL构建的，它的代码数量不多，目前用户只能通过API获得匹配，不能实时更新远程数据库。翻译记忆数据库需要本地更新（从PO、TMX和XLIFF导入双语数据）。
为了提高速度，有使用memcache进行缓存，也有考虑存储编辑距离的计算结果。它主要的一条SQL查询匹配的语句如下：
query = """
SELECT * from (SELECT s.text AS source, t.text AS target, TS_RANK(s.vector, query, 32) * 1744.93406073519 AS rank
FROM sources_%s s JOIN targets_%s t ON s.sid = t.sid,
TO_TSQUERY(%%(lang_config)s, prepare_ortsquery(%%(search_str)s)) query
WHERE t.lang = %%(tlang)s AND s.length BETWEEN %%(minlen)s AND %%(maxlen)s
AND s.vector @@ query) sub WHERE rank > %%(minrank)s
ORDER BY rank DESC
""" % (slang, slang)
Elasticsearch
Elasticsearch是基于lucene的高性能分布式全文检索引擎。Pootle通过以下Elasticsearch的查询语句获得匹配：
es_res = self._es_call(
"search",
index=self._settings['INDEX_NAME'],
doc_type=language,
body={
"query": {
"match": {
"source": {
"query": unit.source,
"fuzziness": 'AUTO',
}
}
}
}
)
每个条目存储的结构如下(python dict)：
{
'_index': self.INDEX_NAME,
'_type': unit['store__translation_project__language__code'],
'_id': unit['id'],
'revision': int(unit['revision']),
'project': unit['store__translation_project__project__fullname'],
'path': unit['store__pootle_path'],
'username': unit['change__submitted_by__username'],
'fullname': fullname,
'email_md5': email_md5,
'source': unit['source_f'],
'target': unit['target_f'],
'iso_submitted_on': iso_submitted_on,
'display_submitted_on': display_submitted_on,
}
然后通过编辑距离筛选结果。ElasticSearch它本身支持的最大编辑距离是2，用于修复拼写错误。这里的编辑距离计算是amaGama自己实现的。
我测试下来，觉得利用Elasticsearch的全文检索功能预先检索相关片段，然后对所得的片段用编辑距离筛选是一个不错的模式。片段第一次检索会按相关度进行排序，编辑距离可以确定具体的相似度。直接检索检索结果比使用编辑距离有一些优点，比如China vs Japan和Japan vs China，两者的含义是一样的，但如果使用编辑距离计算相似度，差别就比较大。所以可能也不妨提供个选项，不使用编辑距离筛选。
如果Elasticsearch是本地服务，用户的翻译单元会添加进去，如果是远程的，则不是自动添加。
除了Pootle，Transifex也有使用Elasticsearch作为翻译记忆的后端，具体可以看这篇博文：Elasticsearch at Transifex。
其它
BasicCAT目前采取的方法是中央服务器只存储翻译记忆，用户在使用时，会把远程的翻译记忆先同步到本地，然后在本地进行相似度计算。这对于共享项目翻译记忆还是很好用的。但是如果记忆库很大、或者记忆库需要保密，则不是很好使了。
类似的还有OmegaT的协作方法，基于SVN/Git服务器共享翻译记忆tmx文件。
2019/11/18更新
MaxPrograms发布了TMEngine这一开源的翻译记忆服务器程序，提供常见的翻译记忆操作，支持mapdb、mysql、mariadb等数据库。它的算法不是很先进，索引占据很大的空间，检索效果还不准确。
下面是它的一些API操作，使用curl演示。
建立TM：
curl -X POST "http://localhost:8000/TMServer/create" -H 'Content-Type: application/json' -d'
{
"name": "First Memory",
"type": "MapDbEngine"
}'
导入翻译记忆：
curl -X POST "http://localhost:8000/TMServer/import" -H 'Content-Type: application/json' -d'
{
"id": "1574061624814",
"file": "E:\\FileRecv\\通用领域记忆库10_英中.tmx",
"project": "Main TM"
}'
查看导入结果或者查询结果：
curl -X POST "http://localhost:8000/TMServer/status" -H 'Content-Type: application/json' -d'
{
"process": "1574061941890",
}'
{
"result": "Completed",
"data": {"matches": [{
"similarity": 61,
"origin": "1574061624814",
"source": "<tuv xml:lang=\"en-us\"><seg>Are you from Sandu?<\/seg><\/tuv>",
"properties": {
"creationdate": "20191118T152541Z",
"project": "Main TM",
"tuid": "1574061949773",
"creationid": "xulihang"
},
"target": "<tuv xml:lang=\"zh-cn\"><seg>你是来自三都吗？<\/seg><\/tuv>"
}]},
"status": "OK"
}
模糊匹配：
curl -X POST "http://localhost:8000/TMServer/search" -H 'Content-Type: application/json' -d'
{
"id": "1574061624814",
"text": "you are famous.",
"srcLang": "en-us",
"tgtLang": "zh-cn",
"similarity": 50,
"caseSensitive": false
}
'
片段搜索：
curl -X POST "http://localhost:8000/TMServer/concordance" -H 'Content-Type: application/json' -d'
{
"id": "1574061624814",
"text": "computer",
"srcLang": "en-us",
"limit": 5,
"isRegexp": false,
"caseSensitive": false
}
'
另外商业软件SDL Trados也早就提供了GroupShare在线服务，能供多人共享翻译记忆，可以参见它的博文：翻译记忆库技术的过去和现在。
参考资料：