随着网络的普及,丰富多彩的网络资源给人们的生活、工作以及学习带来了巨大的方便。然而,信息数量庞大、排列无序以及垃圾信息的干扰等都阻碍着人们充分利用网络资源。为了使网络用户能够方便快捷地找到自己所需信息,搜索引擎便应运而生了。一般来说,搜索引擎都由搜索器、索引器、检索器和用户接口四个部分组成。Centaurea系统为全文检索提供工具包,实现了索引器、检索器和用户接口三个部分。本文详细介绍了Centaurea系统的设计与实现。首先,分析海量搜索引擎的基础技术,即分布式文件系统。然后,设计倒排索引文件的数据格式,描述整型数据压缩编码ByteCode,并比较其与其他压缩算法更适合倒排文件压缩的特点,给出了倒排索引创建算法和实现。由于Centaurea系统将执行效率放在第一位,所以给出提升索引创建速度的实现方法,包括字符串整型化处理和文件缓冲管理等。本文同时分析了构建分布式索引和检索系统的解决方案。搜索引擎的检索效率是评价搜索引擎质量的一个重要指标。本文阐述了Centaurea系统中的检索器的设计与实现,分析影响检索性能的主要因素。另外,论文还阐述系统中使用的相关度计算方法,并简要描述向量空间模型。论文的组织形式以实际系统中各模块为主线,这些模块包括倒排文件数据格式,倒排索引创建,查询,打分等。在论文最后给出系统的综合测试结果。