基于云平臺的分布式索引與檢索系統(tǒng)的設計與實現.pdf

1、隨著計算機技術的發(fā)展和互聯網時代的到來，互聯網上的信息呈爆炸式增長。面對這些海量數據，隨著數據文件的增多，索引時間呈線性增長;當承載高訪問量或者索引數據規(guī)模很大時，檢索服務器無法在有限的時間內處理請求。如何快速的建立索引以及如何高效的檢索成為極其關鍵的問題。另一方面，現在的搜索引擎（如Google和百度），檢索結果只包含網頁數據，而沒有結構化數據，用戶必須選擇某個網頁尋找所需要的結構化信息，檢索結果不能直觀的展現事物的詳細信息，用戶體驗

2、效果不理想。解決這兩方面的問題對從互聯網上獲取信息具有極其重要的意義。
　　為了解決上述問題，本文設計并實現了一種分層的基于云計算平臺的分布式索引與檢索系統(tǒng)。首先，針對數據量大和單機索引慢的問題，提出了一種使用Lucene并行建立倒排索引的方法，該方法運行在Hadoop集群的多個節(jié)點上，使多臺機器同時建立索引，大大加快了索引建立的速度。其次，提出了一種基于Katta的分布式檢索方法，成功解決了高訪問量和索引數據規(guī)模大導致的檢索慢問

3、題。檢索時一方面分級緩存檢索結果，如果緩存命中則直接返回緩存結果，未命中時才檢索索引;另一方面將索引分布到Katta集群的多個節(jié)點上并備份索引文件，檢索時多個節(jié)點同時搜索，提高了檢索速度以及系統(tǒng)的可靠性可擴展性。再次，提出了一種以樹形結構展示結構化數據，以類百度和谷歌的形式展示網頁數據的數據展示方法，改善了用戶查詢體驗。最后通過對網頁數據進行分析，選擇包含手機和公司信息的網頁數據對系統(tǒng)進行了全面的測試。
　　通過實驗及實際應用證明