我在.NET堆栈中创建了一个文档存档管理系统。搜索功能目前有限。当用户进行搜索时，选择相关客户并查询“标题”，“定义”或“日期”字段。他们的记录太多了（大约500万）。我在搜索theese字段时没有任何问题。（BTW数据库是Sql Server。）
我们附上pdf或office文件进行记录。如果用户附加要记录的文件，我将文件保存到文件系统并将文件路径写入数据库。如果查询结果中有附件，用户可以打开文档点击路径。
我们希望索引附加文档并在索引中搜索。但我需要为每个客户创建索引。
总结我想要的东西;
我知道有技术可以做到这一点。 Lucene / Solr，sphinx等。但我很困惑，需要一个建议。
答案 0 :(得分：3)
听起来你正在探索以下选项：
我可以在 Apache堆栈中给你一些指示（因为你在帖子中提到了Lucene / Solr）：
摘录
广泛使用的开源文档提取工具Apache Tika（可以处理PDF和MS Office文档among others）
您提到要索引 images ，在文档管理上下文中可能包含OCR，是吗？在开源社区（Apache 2许可）中，Google Tesseract OCR的支持越来越多。
Apache Tika最近以名称TikaOCR包含对Tesseract OCR的支持。
搜索
您已经在使用 SQL Server ，因此如果fulltext support满足您的需求，最初可能最简单，只需使用Tika生成纯文本即可添加为另一列（带有FULLTEXT索引）到SQL Server中的文档表。
合并基于Lucene的搜索服务器（ Apache Solr 或 Elasticsearch ）将极大地增强您调整搜索和公开最佳实践搜索功能的能力（自动完成，搜索方面，类似的搜索）。
Lucene.NET是另一种解决方案（C＃库），但它没有跟上Lucene Java项目的步伐（上次更新2012）。此外，对于5MM以上的文档，您最好考虑使用基于服务器的进程外搜索解决方案。
多租户策略
最终，您有三个主要选择：
最终你可以使用SQL Server实现这三种方法中的任何一种（当前实现是＃1，对吗？）。
使用任何搜索解决方案时，＃3 - 单独的数据存储可能会随着客户端列表的增长而成本过高（除非需要防火墙关闭组织数据）。
许多多租户搜索应用程序使用＃2 - 共享数据存储区，单独的搜索索引或＃1 - 共享数据存储区，依赖于的共享索引。
Solr和Elasticsearch都可以让您为每个客户端设置一个文档索引/集合（＃2），或管理一个大型多客户端集合，例如{{1}过滤字段（＃1）。
使用商业Elasticsearch插件（Shield），可以提供索引级安全性，例如每个单独的面向客户端的.NET应用程序只能访问该客户端的文档索引（上面的＃2策略）。
<强>集成
您正在使用.NET，可能不想与Java库进行争吵。 Solr和Elasticsearch都作为服务器运行，具有用于搜索和摄取的HTTP API。 Solr有一个名为Solr CELL的Apache Tika集成，Elasticsearch通过elasticsearch-mapper-attachments plugin project进行集成（这两者都可以使您免于Java开发）。
但是，Elasticsearch's Tika integration does not yet support Tesseract OCR（Solr's integration does）。
.NET clients for Elasticsearch（NEST正在大量使用）
扩展注意事项
OCR处理和文本提取是CPU密集型的，因此随着您的摄取量的增加，您最终可能会考虑在不用于搜索的专用机器上处理文档。
总之，假设您需要OCR，这些摄取/搜索堆栈中的任何一个都可以工作：
我希望这能为您的解决方案提供一个起点！