随着网络信息技术的大规模普及，用户对于信息检索的要求日益严格。实现快速、准确且全面的信息搜索能为各类机构获得较高的客户满意度和良好的商业效益。由于技术和经济实力受限，大多数中小型机构难以像大型机构那样根据用户需求实现专有的高效搜索体系，也难以结合中小型机构自身的需求作进一步的个性化设计。因此如何有效利用现有搜索引擎巨头的技术，为更多机构，尤其是具备一定数据集，但经济承载力较小、核心开发能力较弱的中小型企业、高校及科研机构等提供强大的搜索计算技术和多样化服务，成为当前搜索领域的研究重点和难点。本文结合实际应用需求，研究基于Hadoop的分布式搜索引擎原理、相关技术和算法，深入剖析分布式计算框架MapReduce和分布式文件系统HDFS，引入MapReduce编程模型的具体设计方案，将BM25排序模型集成于Lucene实现检索评分，采用Paoding分词器做中文分词处理，完成了系统在Hadoop平台的架构设计，确定了系统功能划分，分析并设计爬行、索引和检索流程，完成了三个子系统的改进与实现。在分析、评价和总结中小型机构实现信息高效搜索的需求和现存弊端的基础之上，本文集成三个相对独立的子系统的设计与实现，完成了Hadoop框架搭建和相关配置，部署实现了3个节点的分布式搜索引擎系统。最后从中小型机构用户的搜索需求出发，对本系统性能进行测试与评价。具体以浙江理工大学网站作为实验对象，在三节点的分布式平台与单机环境下考察系统进行网页爬取和索引的效率。爬行和索引用时计算结果表明，对于20000个网页，集群用时相比单机节省约15.64%。随着网页数量的增加，该差异逐渐扩大。同时通过比较不同网页数对应的检索结果匹配度，计算得出基于Hadoop的分布式搜索引擎系统检索的平均准确率较单机环境提升了近20%。实验结果表明，在机构网页量增加到一定程度后，该面向中小型机构的分布式搜索引擎系统较传统集中式搜索引擎能更快速获取用户需要的更加精准的检索结果且系统安全稳定性和可扩展性得到提升，从而改善了中小型机构信息检索效能，加快其信息化程度。