Lucene 中大型 # 文档的索引性能

Question

我一直在使用postgresql 进行全文搜索，将文章列表与包含特定单词的文档进行匹配。性能随着数量的增加而下降。的行。我一直在使用postgresql 支持全文搜索，这使性能更快，但随着文章的增加，随着时间的推移导致搜索速度变慢。

我刚刚开始使用solr 进行搜索。通过网络上的各种资源，我发现它可以做的不仅仅是搜索，还可以让我更好地控制我的结果。

Solr 似乎使用inverted index，如果许多文档（超过 100 万）包含用户开始查询的搜索词，性能会随着时间的推移而降低吗？此外，如果我通过搜索词的分页来限制结果，同时计算文档的score，是否不需要先加载所有超过 100 万个文档，然后限制结果，这会降低许多性能有相同单词的文档？

有没有办法首先按分数对索引进行排序，这样可以避免以后加载文档？

Answer 1

Lucene 旨在解决您提到的所有问题。除了倒排索引，还有发布列表、文档值、索引值和存储值分离等。

然后你有 Solr 在上面添加更多好东西。

100 万个文档对于 Lucene/Solr 来说是一个入门级问题。它正在对 Wikipedia 转储索引进行例行测试。

如果您觉得您确实需要了解它是如何工作的，而不仅仅是放心，请查看有关 Lucene 的书籍，包括旧的书籍。还要检查 Lucene Javadocs - 他们通常有额外的信息。