王 伟，魏 乐，刘文清，舒红平

(1.成都信息工程大学 计算机学院，四川 成都 610225；2.国家统计局统计信息技术与数据挖掘重点开放实验室，四川 成都 610103)

随着信息技术的发展，互联网的数据急剧增加，在海量复杂的数据中，如何高效便捷地获取信息[1]已成为当前互联网服务商亟待解决的问题，搜索系统的出现很好的解决了这一问题。搜索系统是指能对文本中特定关键字执行检索操作的软件系统，通常将能够进行全文检索的软件系统称为搜索引擎。但是，目前互联网上常见的各类搜索引擎架构以集中式为主，在容错性、访问效率、可扩展性、I/O方面存在瓶颈，越来越难以应对数据量飞速增加所带来的问题。

Lucene[2]属于Jakarta项目下的子项目，是由Apache基金会开源的搜索引擎工具包。它为程序开发人员提供了一套实用的工具，这套工具包含了相关性、索引、排序等搜索引擎基础功能，在此基础上用户可以搭建一个完整的搜索系统。在各个领域中，Lucene都被认为是目前为止性能最优、功能最完善、技术领先的搜索引擎库。但作为开发库而言，Lucene和真正的搜索引擎不能一概而论，使用Lucene搭建搜索引擎仍然要解决数据接入、获取、分析等方面的问题，而且Lucene没有提供对分布式的解决方案，在对大量数据进行并行处理时会比较麻烦。

ElasticSearch[3]是一款基于Lucene工具包的支持分布式的开源全文检索系统，在企业中非常受欢迎，维基百科(Wikipedia)、StackOverflow、Github等公司的全文检索、关键词高亮、实时键入搜索、自动纠错、相关内容推荐等功能都是基于ElasticSearch实现的。……