社交SNS、新闻等领域的高速发展使得人们愈发的关注在最快的时间内获取实效数据,从中挖掘到有价值的信息,实时搜索因此成为目前信息检索的研究重点。通用搜索引擎拥有海量网页信息集合,更关注于信息的全面性,Google对于最新网页的索引更新平均耗费几个小时,这样的更新速度很难满足网民的实时搜索需求。垂直搜索引擎专业领域性强、信息化集中程度高,目前的实时搜索研究集中在垂直搜索领域,实时垂直搜索针对特定领域和数据源,进行信息的快速检索和展示,为下一步的数据挖掘提供坚实的基础,具有重大的研究价值与经济价值。实时搜索技术难点在于增量索引构建算法及分布式环境下的容灾实现。本文首先研究了垂直搜索引擎和分布式系统基本工作原理。接着针对实时增量索引构建提出了内存+磁盘并行化实时索引构建索引的RSearch算法,RSearch算法采用全量索引写磁盘保证索引数据的一致性与完整性,实时增量索引直接写内存保证增量索引即时展现,内存磁盘、写满后复制至磁盘生成从磁盘索引,采用M*N的分布式模型切分大规模数据和满足高并发的访问需求,引入CommitLog日志机制,持久化实时索引请求,并设置Checkpoint异常回滚时间点,保证实时索引的数据容灾。在RSearch算法和Solr的基础上,构建了分布式实时垂直搜索RSolr系统,并针对RSolr搜索系统中存在的性能瓶颈如区间查询、排序、索引构建等性能进行了进一步优化。实验结果表明,相比较于Solr系统,RSolr系统在索引构建、搜索性能、实时展现、数据容灾备份、分布式性能方面优于前者,验证了RSolr系统的实时性、高效性、稳定性和可用性,证明了RSearch算法的可行性。