我正在编写一个电话簿搜索，它将查询多个远程资源，但我想知道如何最好地完成这项任务。
执行此操作的最简单方法是进行查询，为每个远程源查询启动一个线程（将最大结果限制为 10 个），等待所有线程的结果并将列表聚合为总共 10 个条目并返回他们。
但是...如果所有来源都返回至少 10 个结果，那么哪个远程来源更重要，那么我将不得不对搜索结果进行搜索。虽然这会产生准确的信息，但它似乎效率低下并且不太可能很好地扩大规模。
是否有我可以使用和扩展的商业或开源解决方案，或者是否有我错过的可以使用的聪明算法？
谢谢
【问题讨论】：
标签： multithreading search lucene performance
约翰，我相信你想要的是federated search。我建议您查看Solr 作为此框架。我同意尼克的观点，你必须自己评估不同来源的相对质量，并建立一个合并功能。正如email thread 所示，Solr 有一些基础设施。
【讨论】：
说实话，我还没有看到现成的解决方案，但这就是我们程序员存在的原因：如果没有现成的解决方案，就创建一个解决方案 :-)
我会这样做的方式与您描述的类似：使用线程 - 如果这是一个 Web 应用程序，那么 ajax 是您的速度和可用性的朋友，对于桌面应用程序 gui 表示甚至不是问题。
听起来您无法预先确定或猜测哪个来源在可靠性、速度和结果数量方面最好。因此，您需要设置您的程序，以便即时确定最佳结果。假设您有 10 个数据源，因此有 10 个线程。当您启动线程时 - 等待第一个返回结果 > 0。这将是您的“主”结果。当其他线程返回时，您可以将它们与“主”结果进行比较并添加新结果。如果你想提供独特的结果，真的没有办法避免这种情况。一旦有了第一个线程，您就可以开始显示结果。您不必在所有新结果出现时立即更新您的屏幕，但如果需要一些时间，用户可能会变得焦躁不安。例如，如果您有超过 10 个结果，您可以只使用某种指示符来显示更多可用结果。
如果您只有几个来源，例如 10 个，并且您将等待的每个来源的结果数量限制为 10 个，那么在任何编程语言中对它们进行排序确实不应该花费太多时间。如果您的远程资源不可用，还要确保您可以恢复。假设您正在等待所有 10 个源返回显示数据 - 如果其中一个源关闭，您可能要等待很长时间。
另一种方法是 f00l 用户。有点像机票搜索网站所做的 - 他们在收集和排序结果时让您想要几秒钟。我真的很喜欢 Kayak.com 的实现 - 因为它让我觉得它在做一些不同于其他网站的事情。
希望对您有所帮助。
【讨论】：