地址：https://github.com/Tencent/wwsearch/blob/master/doc/wwsearch-implement.md
背景
企业微信作为典型企业服务系统，其众多企业级应用都需要全文检索能力，包括员工通讯录、企业邮箱、审批、汇报、企 业CRM、企业素材、互联圈子等。下图是一个典型的邮件检索场景。
由于过去几年业务发展迅速，后台检索架构面临挑战： 1. 系统在亿级用户，xxx万企业下，如何高效+实时地检索个人企业内数据和所在企业全局数据。 2. 业务模型众多，如何满足检索条件/功能多样化需求。 3. 数据量庞大，检索文本几十TB，如何节约成本。
业界有被广泛使用的开源全文检索引擎，比如：lucene、sphinx等。它们适用于站内检索的场景。而在海量用户、大规模数据量的实时检索场景下，存在明显缺点： 1. 无法支持细粒度切分索引，只能对全局数据构建索引 ，检索过程需要过滤冗余数据。 2. 不支持实时检索，有几十秒~分钟级延迟。 3. 实际部署机型要求高，需要大内存机型才能支撑T级别的数据存储。
针对已有方案的不足，并结合企业级应用场景，我们重新设计和实现一套通用的全文检索引擎wwsearch。
自研全文检索引擎
wwsearch为海量用户下的全文快速检索而设计，底层支持可插拔的lsm tree存储引擎，具备支持按用户的亿级分表、低延时、高效更新、索引压缩、功能丰富、内存消耗低等特点。
目前覆盖企业微信所有在线检索场景， 最大业务场景有300亿+条记录，索引词项万亿+，存储容量几十TB。在大规模数据下，服务运行稳定，可以为业务增长提供稳定有力保障！
wwsearch有丰富的功能，可灵活支持业务场景： 1. 支持等值、前缀、模糊匹配，支持And、Or条件组合。 2. 实时增删查改。 3. 支持后置过滤，包括等值、数值范围、数组元素查找、字符串模糊匹配。 4. 支持多条件排序，类似order by语义。 5. 可扩展功能，包括聚合功能（sum/avg...）、文档打分。
高效索引更新
企业级应用相关的数据通常需要经过多次流转，才能达到最终状态，比如审批业务。这意味着，检索系统的数据写入后也需要部分更新。
开源检索引擎实现是基于文档粒度对索引进行增删，更新是一次删除和全量插入过程，无法高效支持部分更新。
wwsearch的实现和开源不同，索引的增删是基于词级别的，粒度更细。主要原理： 1. 引擎记录写入文档的分词列表，更新时，通过对比更新前后的分词列表，可以知道应该插入哪些词、删除哪些词。 2. 检索一个词的倒排列表时，会读取该词多个倒排列表，并按优先级对倒排列表归并，时间上后写的倒排列表优先级更高。 3. 倒排列表内被删除的DocID会随着lsm tree文件的合并（Compact），会被逐渐淘汰。
wwsearch以倒排列表为单位对索引进行增删改的方案，优点如下： 1. 实时读写，写入即可检索。 2. 更新友好，高效支持部分更新。
支持亿级分表
开源检索引擎对全局数据构建索引，每次检索需在全局索引中检索结果，这种做法存在缺点： 1. 用户或企业只检索自身数据，在多用户场景下，检索效率低。 2. 大规模数据情况下，无法实时响应用户请求。
通过支持细粒度分表的能力，wwsearch可以很好地解决这个问题。原理是：利用lsm tree全局有序能力，通过对正向索引、倒排索引的数据key增加特定Prefix的方式，来支持亿级分表的能力。由于底层存储采用lsm tree结构存储，通过共享key前缀方式，我们可以忽略不计这个Prefix增加的存储消耗。
wwsearch支持细粒度分表，优点如下： 1. 检索性能最优、请求延时低。 2. 无需过滤冗余数据，资源消耗最小，服务能保持很强的稳定性。
来源：oschina
链接：https://my.oschina.net/u/4358563/blog/4270603