關於全文檢索系統設計我的思考

全文搜索大體分爲：數據採集，索引，搜索。

我認爲最重要的是搜索效果，大體表現在準確性，搜索結果排序，穩定，速度。準確和分詞相關，排序是如何讓最適合的結果出現在最前面，穩定這裏指索引和搜索時的穩定，速度指索引，搜索使用以及維護。
當然這一切加上硬件，人力綜合成一個性價比，這個值決定了最終使用哪個搜索架構（像我這樣的懶人通常會基於一些現有的東西，在上面堆砌來完成）

基本確定後，就會寫更加細的測試代碼，根據數據特性，業務特性進行優化，充分利用硬件發揮其特性。以lucene索引部分爲例就是addDoc，updateDoc，deleteDoc，commit，optimize效率，分詞速度，內存佔用，硬盤佔用等方面的細節數字。測試以真實數據爲佳，切忌以別人的數據爲準，因爲他的情況不一定適用你。

有了上述測試數字，就能比較準確的設計適合自己業務的搜索系統，和業務設計的溝通貫徹整個過程，這裏尤爲重要。對其中涉及的難點，應該做一定測試，確保設計的系統是最適合的。這一過程中可能要借用其他第三方開源程序來補充時，那麼就需要衡量使用它的收穫和付出是否合算。

然後就是模型搭建，業務測試，壓力測試。

最後上線，維護。

每個過程尋找瓶頸而不是提速，功能分離很重要，即便因此犧牲了部分性能和資源也值得。因爲上線只是個開始，如何優化是接下來問題了，因爲有了分離，測試優化就有了機會。