部落格主頁：http://blog.csdn.net/minna_d

引言：

    最近想自己基於java完全重底層開始實現一套搜尋, 目前我已寫了一個最最基本的大體框架, 

    內部也做過一些記憶體、響應時間方面的優化,重提交記錄能看出來其實做過很多的嘗試，

    我深感搜尋系統的複雜， 個人精力有限，後面還有很長的路要走，誠邀志同道合之士一起開發。

    沒人加入也無所謂，路過的點個讚我就很滿足啦, 要是能夠加入我一起開發提交點程式碼、fix_bug就更爽歪歪啦

目前的情況:

    自帶search_data.txt文字5497479行單field資料， 穩定記憶體2.8G, 響應時間穩定在8毫秒

    git地址:https://github.com/yujianjun1025/search_engine

執行方式:

    0. 修改logback.xml fileDir 指定日誌目錄

    1. tar -xzvf search_data.txt.tar.gz ./

    2. 啟動耗費3.3G記憶體左右， 建議export MAVEN_OPTS=-Xms50000m,預設MAVEN_OPTS=-Xms10000m 

    3. 啟動執行./run.sh

    4.訪問：http://127.0.0.1:8080/test.json?world=北京&limit=5 ( limit 為空時，預設返回top3000條資料)

返回資料格式:

{
    ret: true,
    data: [
    {
        docId: 164334,
        rank: 24900.37237152425
    },
    {
        docId: 699048,
        rank: 23614.956482398586
    },
    {
        docId: 1903045,
        rank: 18891.965185918867
    },
    {
        docId: 2894797,
        rank: 16583.64799943515
    },
    {
        docId: 311685,
        rank: 16583.64799943515
    }
    ]
}
 

日誌格式:

[2015-12-05 22:46:07.536] [[email protected]] [INFO ]<logger:195 doSearch>查詢詞:北京, 過濾到符合要求的docId耗時:2.819毫秒, 結果數5
[2015-12-05 22:46:07.794] [[email protected]] [INFO ]<logger:153 doSearch>查詢詞:北京, 求交得到所有docIds耗時:2.999毫秒, 結果數16359
[2015-12-05 22:46:07.795] [[email protected]] [INFO ]<logger:195 doSearch>查詢詞:北京, 過濾到符合要求的docId耗時:1.728毫秒, 結果數5
[2015-12-05 22:46:08.280] [[email protected]] [INFO ]<logger:153 doSearch>查詢詞:北京, 求交得到所有docIds耗時:3.101毫秒, 結果數16359
[2015-12-05 22:46:08.282] [[email protected]] [INFO ]<logger:195 doSearch>查詢詞:北京, 過濾到符合要求的docId耗時:1.87毫秒, 結果數5
[2015-12-05 22:46:24.148] [[email protected]] [INFO ]<logger:153 doSearch>查詢詞:山海, 求交得到所有docIds耗時:3.438毫秒, 結果數4093
[2015-12-05 22:46:24.149] [[email protected]] [INFO ]<logger:195 doSearch>查詢詞:山海, 過濾到符合要求的docId耗時:0.77毫秒, 結果數5
[2015-12-05 22:46:25.348] [[email protected]] [INFO ]<logger:153 doSearch>查詢詞:山海, 求交得到所有docIds耗時:3.694毫秒, 結果數4093
[2015-12-05 22:46:25.349] [[email protected]] [INFO ]<logger:195 doSearch>查詢詞:山海, 過濾到符合要求的docId耗時:0.884毫秒, 結果數5
[2015-12-05 22:46:33.002] [[email protected]] [INFO ]<logger:153 doSearch>查詢詞:上海, 求交得到所有docIds耗時:3.481毫秒, 結果數14477
[2015-12-05 22:46:33.003] [[email protected]] [INFO ]<logger:195 doSearch>查詢詞:上海, 過濾到符合要求的docId耗時:1.331毫秒, 結果數5

接下來需要做的事:

    1、記憶體、響應時間是需要持之以恆的,優化永無止境

    2、分詞，目前還是java自帶的最最基本的string.toArray(),下一步需要做的是將數字分到一起、英文分開， 漢字依然單字

    3、查詢語法,目前僅支援緊密度查詢, 如“AB”@all_filed這種查詢語法，下一步需要豐富查詢語法的解析與索引 

    4、檢索欄位,目前僅支援單field檢索，下一步還需要多文字域檢索及屬性欄位檢索

個人郵箱:[email protected]