有没有哪位 V 友用 lucene 做上亿数据量的搜索的？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2231 天前的主题，其中的信息可能已经有所发展或是发生改变。

最好是用 lucene.net 构建的，如何处理上亿的数据量？

不要推荐 ES,SOLR，因为 ES,SOLR 底层也是基于 Lucene，所以我想自己基于 Lucene 搭建一个支持大数据量的搜索系统。

第 1 条附言 · 2018-09-30 17:00:04 +08:00

现在的问题就是，单个索引库太大，更新索引越慢，而且老出错，用分片方式解决，分片太多搜索慢，于是要合并，优化，而合并和优化又非常耗，耗资源，挺绕的，哪位大侠有好的经验分享一下

Lucene

solr

搜索

基于

12 条回复 • 2023-06-05 09:34:50 +08:00

DCjanus

2018-09-30 12:46:47 +08:00 via Android

你是准备自己造轮子取代 ES ？

kwklover

2018-09-30 13:10:55 +08:00 via Android

@DCjanus ES 是大轮子，想造个小轮子，目标是单台机器能满足亿级数据量的搜索就够。

lideshun123

2018-09-30 16:43:48 +08:00

分词也自己写？

kwklover

2018-09-30 16:57:00 +08:00 via Android

@lideshun123 分词也是自己写

nockyQ

2018-09-30 17:21:19 +08:00

以前基于 Lucene 开发检索模块的时候也遇到过这个问题，所幸需求相对简单勉强能应付。等一个大牛来分享下经验。

xuminzhong

2018-09-30 17:38:13 +08:00

我有做爬虫项目，日处理数据量大概是 1-2 千万，上亿数据量的搜索很早就经历过了，单机做不太难的。

但是 sorry，没有太多时间来做这样的架构分享。

kwklover

2018-09-30 20:38:51 +08:00 via Android

@xuminzhong 分享一下大致思路即可，无需花很多时间做完整的架构分享哦

DCjanus

2018-10-01 15:22:38 +08:00 via Android

之前做过的一个项目，全文检索需求比较简单，一般用的是 PostgreSQL 自带全文检索，PG 10 支持分区表，但是不知道能不能对倒排索引做分区。

ddup

2018-10-02 02:12:14 +08:00

牛逼，是用的 lucene.NET 版本？

kwklover

2018-10-02 08:53:50 +08:00 via Android

@ddup 对的，数据量一大就有好多问题

ddup

2018-10-02 09:33:45 +08:00

嘛，有个思路，数据库表水平切分了解吧？ lucene .NET 也给他索引水平切分，1 一条数据，给他分 100 个索引库索引，搜索的时候并发搜索，然后合并结果，根据 score 得分排序一下。

bigtang

2023-06-05 09:34:50 +08:00

单台机器亿级数据量，参考一下 tanglib.com, 单机万亿字节数据