随着互联网上信息数据的指数级增长,信息的检索和处理成为信息时代最流行的技术之一。目前,面对海量的信息,人们使用的搜索工具主要为百度、必应、Google等通用搜索引擎,这些搜索引擎虽然搜索范围广,搜索结果多,但返回的信息往往与用户需求匹配度比较低,在这种情况下,针对特定领域进行搜索的垂直搜索引擎随之而生。以此为背景,本文研究了当下流行的搜索引擎框架,对搜索引擎相关的排序算法、推荐算法进行研究与设计,使用分布式数据存储框架,基于搜索引擎Elasticsearch设计实现了一款面向海量数据的分布式垂直搜索系统。本文的创新设计和实现工作主要如下:（1）详细研究了全文搜索引擎相关技术,编写爬虫程序爬取海量影片资源,根据系统数据的特征选择不同存储框架存储数据,研究相关排序、推荐算法,设计实现了面向海量影片数据的高性能的分布式垂直搜索系统。（2）本文对搜索排序算法进行设计,对搜索引擎返回的文档进行二次加权排序,排序算法综合相关性评分和影片特征评分,提高了排序结果的准确性和针对性。（3）本文对内容推荐算法进行设计,使用用户协同过滤算法挖掘用户潜在兴趣,使用基于距离的内容推荐算法并对样本集作剪枝处理提高用户兴趣匹配度和执行效率,在热度推荐的基础上引入天气因子为推荐增加情感色彩,最后综合三种算法实现个性化兴趣推荐。测试结果表明,本文设计的分布式垂直搜索系统在功能方面实现了基本的搜索和推荐功能,在性能方面有着较为优秀的表现,达到了预期的目标。