hul*_*aba 4 algorithm search full-text-search search-engine data-structures
问题背景
大家好，我正在根据提供的查询在一堆文档中搜索相关文档的项目。由于这是一个小型项目，我有一个典型的内存架构，我假设我没有超过 100 个文档，每个文档包含不超过 1000 个单词（一个单词不超过 10 个字符）。我收到很多查询，我必须尽可能快地处理查询（绝对不超过一秒）。
我的第一种方法（幼稚且不可扩展）：
由于允许用户上传文档，每当我收到文档时，我都会查找“潜在”关键字并将关键字存储为键，将文档存储为值对或存储在 MYSQL 表中。显然，这必须手动完成，看起来不像程序员会做的。
我的第二种方法（稍微好一点）：
我获取每个文档，扫描其中的每个单词并将这个单词添加到 Trie 数据结构中，因此对于 100 个文档，我必须搜索 100 次尝试，如果查询的长度为 l，则这种方法将采用最坏的 O（单词数）跨所有文档*最大单词的长度）以构建特里树并查询 O（查询长度）。这是很合理的。为了实现这一点，我将在每个文档中保留一个 Trie 根节点向量，并迭代每个 trie 节点并在每个 trie 中搜索。如果我得到至少一半的查询词匹配，我就会将该文档存储为潜在结果。结果，我不会提供超过一些截止数量的文件。
我对社区的问题：
我会问你如何看待我的方法？我如何优化它们，我可以在现有方法中做哪些其他改进？通过使用其他算法或数据结构可以更有效地完成这项工作吗？在网上冲浪时，我遇到了像 Boyer-Moore 和 Aho-Corasick 这样的算法，以及一些调整 Lucene Apache 实现的算法等的建议。你在这里有什么建议？