我必须使用 Windows Search 索引大量数据，因此我想估算一下索引大小。我已索引了一部分数据（约 60GB；13e6 页文本数据，每页约 4-5KB）。
索引已增长到约 78GB，因此现在它占用的空间比数据本身还要多。这些结果与我读到的内容相矛盾这里：
索引的平均大小约为所有被索引内容大小的 10%。
这是索引的预期大小吗？可以做些什么来减少它？
答案1
平均索引大小并不能说明您的索引大小。这可能是因为除了所有文件都被编入索引（由于您的文件都很小，因此从大小百分比来看，这已经很大了），文本文件的内容也被编入索引，从而进一步增加了索引的大小。
答案2
10% 规则依赖于许多假设：
- 该语料库包含人类语言的散文文件
- 与元数据相比，文件平均大小相当大
- 语料库不包含代码文件（.cpp、.cs 等）
第三个原因是索引在磁盘上压缩时假设单词会经常重复。对于大多数文本来说都是如此（检查“the”在索引中出现的次数），但对于代码来说，变量名称中存在如此多独特的“单词”，因此打破了这一假设。
不过，就你的情况而言，我怀疑问题出在第二个方面，即大量的小文件。每个文件都需要存储在索引中，这会产生固定数量的元数据开销。例如，索引必须在内容之上存储每个文件的完整路径、修改日期、创建日期等。每个文件加起来大约 3K，如果平均文件大小为 4-5K，那么这很可能就是问题所在。
如果搜索很重要，而您又无法合并文件，我建议关闭对那些有大量文件类型的内容的索引。这样可以稍微减小文件大小，同时仍然可以搜索文件的元数据。
答案3
我禁用了 Windows 的搜索服务。我使用其他搜索应用程序。只有 900 KB 大小的“Everything”可以进行超快速文件搜索，而“FileSeek Pro”可以搜索文件内容。