有兴趣的可以放大研究。这种方式，10万词，在2秒内可以计算得出。如果以服务化的形式词库驻内存，加上并发优化。性能还可以进一步提高。

总结这种方式：把内链词，建立为自定义词库，标记为自定义词。然后用自定义去切词分词。最后切出来的结果是带词性的，只输出我们设置的自定义词性的词，就能快速得到结果。

为什么分词会比传统方式更快呢。因为分词算法已经进行了大量的优化，使用了很多算法在代码里面进行优化。

这里面还可以进行很多优化，比如重写一些分词的核心逻辑，只使用自定义词进行分词，不是自定义词的一率删除不处理。服务化为Web服务，词典常驻内存;增加处理并发量等。都是可以实施的方案。

中小型企业10万或者百万内链，应该是能满足需求了。

千万级内链系统架构二：千万级的内链系统架构。

千万级的内链架构是百万级架构基础上的升级。依然依托外部工具实现，这次使用的是全文检索引擎。

单机离线使用Lucenue全文引擎配合自定义词库加中文分词器。分布式非实时业务，可以使用SolrCloud分布式或者单机使用。分布式实时业务，可以使用ElasticSearch加上自定义词库及中文分词技术，进行技术实施。

核心的原理和方案一是一样的，只是使用定制开发过后的代码，能极大的提升系统的可用性和实时性。在ES架构上面。亿级的分词检索，可以秒级返回数据。

千万级使用ElasticSearch需要一些二次开发。不在本文讨论范围内。

请继续关注下篇干货。