搜索引擎：谷歌锡凝，Bing粘昨，百度之類的搜索引擎
企業(yè)搜索：Autonomy（國外知名搜索服務(wù)提供商），或是拓爾思（國內(nèi)知名企業(yè)搜索服務(wù)商）窜锯。

直接采購成熟產(chǎn)品张肾，或根據(jù)企業(yè)的特有業(yè)務(wù)形態(tài)和長遠(yuǎn)技術(shù)規(guī)劃將往往促使他們做出更穩(wěn)妥的決定：比如，從世界的頂級咨詢公司購買解決方案锚扎，再決定是否采購成熟的技術(shù)和服務(wù)組件或與本土IT公司合作開發(fā)吞瞪，打造企業(yè)自主知識產(chǎn)權(quán)的產(chǎn)品。

三個原因：1驾孔、地域及環(huán)境因素芍秆；2-制約與反制約的博弈。3-長遠(yuǎn)規(guī)劃需要翠勉。

根據(jù)美聯(lián)企業(yè)的現(xiàn)狀

1. 以企業(yè)內(nèi)部應(yīng)用為搜索界定范圍妖啥，以應(yīng)用產(chǎn)生的業(yè)務(wù)數(shù)據(jù)為搜索目標(biāo)（屬于ESI范疇），以企業(yè)的所有員工為搜索服務(wù)的提供對象对碌。因此荆虱，是橫跨企業(yè)內(nèi)部多業(yè)務(wù)域、多應(yīng)用的核心級別項目。
2. 設(shè)計的重點在于數(shù)據(jù)的獲然扯痢（創(chuàng)建索引）和隱私的控制（安全搜索）诉位。
3. 需要采用開源的搜索組件和服務(wù)，比如基于Solr技術(shù)
4. 索引數(shù)據(jù)將非常龐大菜枷，需要做一些優(yōu)化策略來解決性能風(fēng)險苍糠。

首先，做業(yè)務(wù)的頂層設(shè)計

我們將這種搜索應(yīng)用稱為“企業(yè)統(tǒng)一搜索”犁跪。企業(yè)統(tǒng)一搜索的入口將放置在企業(yè)的內(nèi)部門戶portal椿息，這也是因為需要基于portal的一部分有效資源。比如坷衍，4A訪問控制 (認(rèn)證Authentication、賬號Account条舔、授權(quán)Authorization枫耳、審計Audit)，搜索結(jié)果對應(yīng)app的sso訪問跳轉(zhuǎn)孟抗。
對于搜索的信息分類設(shè)計迁杨，從搜索結(jié)果的展現(xiàn)形式上來看，可以將搜索劃分為搜索信息凄硼，搜索企業(yè)員工铅协，搜索應(yīng)用，搜索知識摊沉，搜索圖片狐史，搜索視頻等。
對于搜索的展現(xiàn)設(shè)計说墨，要符合流行的google骏全，百度展現(xiàn)要求，即以標(biāo)題+簡介+關(guān)鍵項為展現(xiàn)基礎(chǔ)尼斧，其中關(guān)鍵項基于業(yè)務(wù)的不同而所指不同姜贡，比如，包括圖片縮略棺棵，時間楼咳，作者，tags烛恤，url母怜，icon等。具體由企業(yè)統(tǒng)一搜索應(yīng)用提供不同的展現(xiàn)模版供其它應(yīng)用調(diào)用棒动。
對于搜索的準(zhǔn)確性要求糙申，需要通過搜索權(quán)重管理，faccted search(分面搜索），Poka-yoke(防呆防錯）技術(shù)柜裸，相關(guān)搜索技術(shù)等來滿足缕陕。
對于數(shù)據(jù)采集的設(shè)計，要求企業(yè)統(tǒng)一搜索提供統(tǒng)一的index索引接口疙挺，由其它app進行推送扛邑。同時，也要考慮索引失效的問題和人工干預(yù)的需要铐然。另外蔬崩，采用爬蟲技術(shù)解決某些app無法通過接口調(diào)用推送數(shù)據(jù)而提供搜索服務(wù)的問題，爬蟲技術(shù)（Spider）將主動定期爬取目標(biāo)系統(tǒng)頁面有價值的數(shù)據(jù)搀暑。
對于權(quán)限設(shè)計是企業(yè)搜索和互聯(lián)網(wǎng)搜索的最大不同沥阳，企業(yè)內(nèi)部的業(yè)務(wù)信息大都是有瀏覽范圍控制的，因此在做搜索的數(shù)據(jù)訪問權(quán)限設(shè)計時自点，最大問題是權(quán)限的推送和搜索控制桐罕。

而在企業(yè)搜索中，我們需要這樣的技術(shù)架構(gòu)：

image

在處理邏輯上桂敛，我們采用下面的流程：

image

從搜索的技術(shù)層面考慮功炮，主要解決這么幾個問題：

1.數(shù)據(jù)采集

提供統(tǒng)一的數(shù)據(jù)index接口，接口內(nèi)容包括數(shù)據(jù)類型术唬，來源薪伏，URL，主題粗仓，正文嫁怀，標(biāo)簽，摘要潦牛，創(chuàng)建人眶掌，創(chuàng)建時間，保存期限巴碗，可訪問角色朴爬，可訪問用戶，可訪問組織等橡淆。
提供一個spider程序召噩，定向爬取目標(biāo)系統(tǒng)頁面內(nèi)容，并自動調(diào)用index接口逸爵，建立索引具滴。
提供一個中間數(shù)據(jù)文本，部分對應(yīng)系統(tǒng)可以通過導(dǎo)出數(shù)據(jù)到中間文本方式提供索引數(shù)據(jù)师倔。

2.權(quán)限控制

通過接口采集數(shù)據(jù)的可瀏覽角色构韵，用戶和組織范圍，將實際業(yè)務(wù)中可能出現(xiàn)的場景基本覆蓋。
還提供兩種場景疲恢，其一凶朗，搜索結(jié)果中可展示，但點擊無法瀏覽詳情显拳，即通過目標(biāo)應(yīng)用來控制實際的瀏覽權(quán)限棚愤。但此方案將導(dǎo)致部分重要信息出現(xiàn)標(biāo)題或摘要泄漏情況。其二杂数，通過solr控制搜索結(jié)果宛畦，將無權(quán)限訪問的數(shù)據(jù)直接過濾掉，不出現(xiàn)在搜索結(jié)果中揍移。但這種處理方式非常容易出現(xiàn)效率問題次和。
因此，我們一般會建議用戶建立企業(yè)內(nèi)部信息索引建立規(guī)范那伐，比如斯够，允許全員公開的數(shù)據(jù)推送索引，允許以組織層級公開的數(shù)據(jù)推送索引喧锦，允許以角色公開的數(shù)據(jù)推送索引，允許以好友圈子公開的數(shù)據(jù)推送索引抓督；其它類型的數(shù)據(jù)建議不推送索引燃少，如有必要，可以由應(yīng)用提供單獨的搜索服務(wù)調(diào)用方式铃在，供企業(yè)統(tǒng)一搜索調(diào)用阵具，進行統(tǒng)一的UI展現(xiàn)。

3.規(guī)則引擎

規(guī)則引擎主要解決除搜索權(quán)重定铜，faccted search阳液，相關(guān)搜索，敏感詞等之外的業(yè)務(wù)邏輯規(guī)則揣炕。比如帘皿，關(guān)鍵用戶信息的隱藏處理，索引外信息的獲取和拼裝畸陡，索引自修復(fù)規(guī)則等鹰溜。

4.UE設(shè)計

除了前面提到的Poka-yoke技術(shù)，faccted技術(shù)丁恭，相關(guān)搜索技術(shù)曹动，在搜索展現(xiàn)上還要體現(xiàn)不同信息的匯聚關(guān)聯(lián)性。比如牲览，關(guān)聯(lián)搜索提示墓陈，高級搜索，搜索糾錯等。
搜索的體驗異常重要贡必，例如兔港，在搜索員工時，在搜索結(jié)果中需要將本部門的同事放在首位赊级，其次是本公司的員工押框，再是關(guān)鍵用戶。

5.性能和命中率設(shè)計

如果一次搜索花費了30秒才出現(xiàn)結(jié)果理逊，而且沒有滿意的搜索內(nèi)容橡伞，那么這種體驗將是致命的。
因此晋被，對于性能的設(shè)計要考慮的index的檢索效率優(yōu)化兑徘，規(guī)則邏輯處理效率優(yōu)化，UI渲染效率優(yōu)化等羡洛。比如金句，就用戶每天300萬條業(yè)務(wù)數(shù)據(jù)推送到索引來看呐萌，如果不及時有效的做索引數(shù)據(jù)的清理，將會在很短的時間內(nèi)讓索引庫龐大不堪，在不采取分布式的存儲策略前乒融，只能定期的做清理來緩解效率的問題。況且玻粪，企業(yè)內(nèi)能真正采用分布式存儲架構(gòu)的還真為數(shù)不多窜管。
關(guān)于命中率的問題，一般通過調(diào)整權(quán)重指標(biāo)韧涨，做好日常的受控詞表維護往往能很快解決牍戚。關(guān)于權(quán)重指標(biāo)，這里一般分為業(yè)務(wù)權(quán)重和數(shù)據(jù)項權(quán)重虑粥，比如業(yè)務(wù)權(quán)重是按照數(shù)據(jù)來源app重要程度來劃分權(quán)重如孝，數(shù)據(jù)項權(quán)重一般是基于數(shù)據(jù)的業(yè)務(wù)屬性的重要性來劃分權(quán)重，比如關(guān)鍵詞出現(xiàn)在標(biāo)題中就比出現(xiàn)在正文中的權(quán)重要高娩贷。

6.非結(jié)構(gòu)化數(shù)據(jù)的展現(xiàn)問題

現(xiàn)在企業(yè)的數(shù)據(jù)中有 80% 屬于非結(jié)構(gòu)化信息第晰。這其中包括了Word文檔，Excel表格育勺，PDF文件但荤，掃描圖片，電子郵件涧至，電話記錄腹躁、語音留言、紙質(zhì)文檔南蓬、照片纺非、網(wǎng)頁哑了、視頻以及其他形式的內(nèi)容。由于很多企業(yè)缺乏能夠理解并有效利用這些內(nèi)容的技術(shù)烧颖，使得非常有價值又充滿戰(zhàn)略意義的資源常常無法發(fā)揮其作用弱左。因此，在搜索的展現(xiàn)過程中炕淮，要充分的考慮這類非格式化數(shù)據(jù)的展現(xiàn)拆火，比如，搜索到的是圖片涂圆，一般需要在搜索結(jié)果中直線展現(xiàn)縮略圖们镜，點擊伸展瀏覽大圖；如果搜索的是一段音頻或視頻润歉，那么需要在結(jié)果展現(xiàn)中能進行快捷播放模狭，而不是僅僅跳轉(zhuǎn)到目標(biāo)頁面。

參考資料

1. 如何做出優(yōu)雅的搜索功能 http://www.woshipm.com/pd/440037.html
2. 企業(yè)級內(nèi)部信息統(tǒng)一搜索解決方案
   http://blog.csdn.net/linco_zhang/article/details/8990494
3. office 企業(yè)級搜索體系結(jié)構(gòu)
   https://msdn.microsoft.com/zh-cn/library/office/ms570748(v=office.12).aspx
4. 分面搜索
   http://cdc.tencent.com/2009/07/30/%E5%88%86%E9%9D%A2%E6%90%9C%E7%B4%A2%EF%BC%88faceted-search%EF%BC%89/
5. Poka-yoke
   http://baike.baidu.com/link?url=OWcOD9b-EdKhXZnU3NsgklDPQIsW3mvuqSk6tNs3llMBOMoxDHBHfqVwIlcqTQ4CUBnSBxpbqP9BT5krLq8rNbTvym_bUm8TTHZYJecjeYq

歡迎聯(lián)系我. 微博：@阿霖A0. 微信：alinkyan