我不想使用 Lucene，因为我认为它很重。
有没有更简单的方法来实现这个（百万数据）？
【问题讨论】：
标签： java autocomplete lucene full-text-search search-engine
如果您不想担心性能，我建议您看看 Amazon Web Services 新的 CloudSearch 服务。它速度很快，并且可以随着您的需求扩展而扩展。它还可以毫无问题地处理数百万个文档，并支持通配符搜索（例如：quo*，将检索 Quora）。
查看here。
【讨论】：
显然，这不是 Quora 或 Google 的工作方式，因为我在这两个地方都没有工作过的乐趣……这就是我要做的事情。
首先要获得的是搜索词列表 - 我假设您不想知道这是如何完成的，因为它实际上取决于各种各样的事情，但基本上您要么去做一个select distinct title from pages（在维基百科上的自动完成的情况下）或者在谷歌的情况下更高级的东西。
下一步在高层次上也很简单：如果用户在搜索框中输入Qu，您需要执行查询select title from titles where title like 'Qu%'。然后将标题列表作为对某种 Ajax 请求的响应返回给浏览器，可能是 JSON 或类似的形式。而且你需要尽可能快地做到这一点——这就是困难所在。
他们是怎么做到这么快的？大概有四点需要牢记。
所以，我就是这样做的。由于没有经历过 Google/Quora 处理的庞大数据集，我敢肯定有些事情我没有考虑过。但是，这是一个开始。
而且，我是这样做的，纯粹是在家里的实验环境中：
我有一个简单的列表，里面有几十万个标题要搜索。这些被加载到一个专用的 MongoDB 集合中，该集合上定义了一个索引。然后我在它前面有一个 Play Framework 控制器，并使用 jQuery 的自动完成插件进行搜索。
显然，与您所寻找的相比，这很小，但只要您遵循建议（即良好的硬件、大量的 RAM、将索引保存在内存中），MongoDB 应该为您的数据集提供相同的性能。此外，Mongo 支持分片，并且 Play 框架不共享任何内容，因此在这种情况下，如果您的用户群增长，添加新机器以应对负载将很简单。
顺便说一句，Mongo 绝不是唯一的解决方案，当然，传统的 SQL 数据库也能胜任 - 我只是出于其他原因使用 Mongo。
【讨论】：
首先，对于自动完成，如果您想要快速显示的内容，您的目标应该是在
见，例如
显然，Quora 使用前缀匹配，而不是全文搜索，这使它更快。要推出您自己的基于前缀的快速自动完成功能，这对于许多情况来说应该足够了，但不会使用模糊匹配处理拼写错误等问题，请尝试使用 Redis 等内存数据存储。详情可见这里：
http://charlesleifer.com/blog/powerful-autocomplete-with-redis-in-under-200-lines-of-python/
由于 Google 和 Quora I 的低延迟，我无法获得 CloudSearch（由 Firebug 测量，在浏览器中直接从端点获取 95-125 毫秒，并且通过 PHP 中的 cURL 访问端点的时间延长了 20-30 毫秒）无论搜索查询的简单性如何，都被引用。 Elasticsearch 集群要快一些。这些陈述显然取决于用例，可能无法很好地概括，但值得考虑。
【讨论】：