全文检索需求
档案管理系统
需求整理
1、一个文档有多个附件；
2、文档支持格式：pdf，CEB，txt，html，office（world、excel）、wps 文档，tf、tff；
Ceb格式，目前在档案系统已经存在一个对应的txt文件；
现在有两种方案来处理ceb格式：一是把档案系统中的ceb对应的txt文件，迁移过来；二是ceb文件重新转换一次。

3、权限管理，权限有个人、角色、部门分类；
4、检索的内容包括，结构化数据和非结构化数据；可以支持定制查询；可以分多个字段查询（比如：档案类型、查询年份）
5、准确显示摘要和高亮显示；
6、矩阵分析（智能分析相似文档，数据挖掘的一部分）；
档案的现在方案
a)使用lucene2.x 版本；
b)系统是二级部署；
c)每个网点比如福建，按地市创建索引文件。

每个地市的索引文
件的大小在800M左右，这样单个档案系统的一个网点的索引
总大小应该在10G左右（目前的大小）。

d)每个地市只可以单独查询，目前没有实现合并查询。

e)新建索引和增量索引是分开处理的。

f)权限控制，目前是用户在请求单个文档的时候才验证权限；在
索引和检索两个层次上没有做控制。

其他特点
知识管理系统
需求整理
1、目前是一个文档对应一个附件，但以后有可能支持多个附件；
文档支持格式：知识管理中各种文档都会存在，尽量支持大部分数据格式。

2、支持的格式可以灵活扩展。

3、权限管理，权限有个人、角色、组织、部门等层次；
4、检索的内容包括，结构化数据和非结构化数据；可以支持定制查询；
5、准确显示摘要和高亮显示；
6、智能分析（相似文档，数据挖掘的一部分）；
目前知识关系系统的方案
A)采用Autonomy；
B)系统式一级部署，索引总部建一个统一的索引；
C)支持分布式部署，包括索引文件相同的重复部署，和内容不相同的分布式部分。

D)权限控制：有权查看每份文档的用户名，都创建到索引中。

目前的缺点
A)有权限查询的时候会比较慢；
B)人为控制查询结果比较困难；
C)配置繁琐。

关联问题
1、检查出来的结果在线阅读时，存在多分文档的时候，怎么展示。

选型对比
Lucence Autonomy 对比分析备注。