交通系统智能化的快速发展,设施设备特别是卡口数量的快速提升,使得过车记录飙升,形成大规模数据。卡口系统中,用户常常需要对车牌号进行精确或模糊查找,同时要求数据检索系统尽可能地可靠、及时且高效。在记录数上亿的这种大数据量且高并发的情况下,传统的检索引擎没有办法保证实时响应,从而导致查询效率低下,严重影响到用户的体验。为弥补这一不足,通过搜索应用服务器为云存储数据库创建索引应运而生。创新点一:本论文以交通行业内的海量过车数据为背景,在Solr开源搜索引擎基础上,提出了一种分布式搜索系统,针对交通行业内的记录必然包含着时间信息,且时间信息往往是用户在查询和排序时的主要依据等特点,本论文针对查询性能的优化,拟从创建索引、合并索引、查询索引和结果排序等四个方面优化搜索应用服务器,提供高效率的检索服务,以提升搜索应用服务器在交通行业内的应用能力,保证快速响应的需求。创新点二:因为Solr的索引处理采用了主从式的复制集群进行部署,本文提出一种主从节点分配的改进算法,以保证搜索引擎服务器集群的负载均衡尽量处于平衡的状态。当出现集群中某台服务器无法工作的情况时,能自动实现主从节点的重新分配,在该服务器恢复正常工作时,恢复负载均衡,使得每台服务器性能的利用更加合理。实验表明,上述两种改进优化从搜索引擎的查询检索性能方面,在大数据量级(亿级至十亿级)下,都极大地提升了其系统的查询响应时间,同时具备优秀的负载均衡能力。