接http://www.cnblogs.com/twelfthing/articles/1905310.html
4. 性能
官网上说到xapian的性能，用到了very well 。The short answer is “very well” – a previous version of the software powered BrightStation’s Webtop search engine, which offered a search over around 500 million web pages (around 1.5 terabytes of database files). Searches took less than a second。
具体的我这么多的数据进行测试，但是我现有的有200w篇文章，大约4.5G中文内容里，搜索任意关键字，都能在0.1s内完成（这里当然不能包括排序），机器配置双核 T7200，2GHz，内存3G。
5. 排序
xapian里提供了多种排序的方法，简单的说几个，
set_sort_by_value value值是在上篇文章里的value表里的值。具体的设置是document.add_value(1,value),value值尽量简短，有利于提高排寻的性能。
set_sort_by_relevance 按相关度排序，默认是相关度的算法是BM25，
set_sort_by_value_then_relevance，set_sort_by_relvance_then_value，set_sort_by_key ，set_sort_by_key_then_relevance都是以上两个的扩展。
另外还有set_docid_order也算是一种排序的方式了（每个document在添加到database里的时候都会自动产生一个document id）
排序应该来说是用xapain搭建搜索引擎种性能消耗最大的部分。首先set_docid_order，这种排序方式，在对相同的内容排序的第一次，很慢，而在接下来就很快。其实我一直不同明白这是什么情况。大约的可能和操作系统的缓存有关系，xapian本身是不存在缓存的，我想，在第一次将database读到内存种后，第二次，就是直接从内存里取的。为了这个问题，我还特意在xapian的邮件列表了问了一下这个问题，得到的答案和我想的一样。但是对此我依然保留怀疑的态度。总之就是不解。
set_sort_by_value，我的value里存放的日期，就是按照日期排序，消耗时间大约是不排序的10倍。
6. set_collapse_key
enquire.set_collapse_key(valueid)，这个设置是对于相同的value值，只取一个。例如基于文本的排重就可以用这个来做
import xapian
import hashlib
for text in all_text:
document = xapian.Document()
md5 = hashlib.new('md5',text).hexdigest()
document.add_value(1,md5)
在查询的时候enquire.set_collapse_key(1)后，得到的mset就不会包含重复的md5.
7.get_matches_estimated
查询结果需要做分页，于是get_matches_estimated就起到作用了，看名字就知道这个一个估计值，http://trac.xapian.org/wiki/FAQ/MoreAccurateEstimates讲的很清楚，想要得到精确的值，get_mset(offset，limit，checkatleast)，设置checkatleast为大于实际值就行。
说白了，get_matches_estimated就是像google，baidu一样，就个大约值，google上虽然说结果大约1亿条，其实到了上万条记录后面就几乎没有了。
8.xapian-compact
是xapian的tools里的一个脚本，帮助压缩，合并索引文件的。压缩的效果很明显，postion这张表压缩将近50%，term大约45%，这样极大的压缩索引文件大小，同时提升查询的效率。
