估计Windows搜索索引的大小

我必须使用Windows搜索索引相当大量的数据，所以我想估计索引大小。我已经索引了一个数据子集（大约60GB; 13e6页的文本数据，每个大约4-5KB）。

该索引已经增长到大约78GB，因此它现在比数据本身占用更多的空间。这些结果与我所读到的相矛盾 这里 ：

指数的平均大小约为所有指数的10％   正在编制索引的内容。

这是指数的预期大小吗？可以做些什么来减少它？

平均指数大小并不代表您的目标。这可能是因为除了你的所有文件都被编入索引（并且由于你的文件都很小，这个文件大小已经很大），文本文件的内容也会被编入索引，从而进一步增加了索引的大小。

10％的规则依赖于许多假设：

1. 语料库包含带有人类语言散文的文件
2. 与元数据相比，文件平均相当大
3. 语料库不包含代码文件（.cpp，.cs，ect）

数字3是因为索引是在磁盘上压缩的，假设经常重复单词。对于大多数文本都是如此（检查'索引中出现'的次数），但是对于代码来说，变量名中有许多独特的“单词”，它打破了这个假设。

在你的情况下，虽然我怀疑问题是2号，很多小文件。每个需要存储在索引中的文件都会有固定数量的元数据开销。例如，索引必须存储内容顶部的每个文件的完整路径，修改日期，创建日期等。每个文件最多可增加3K，如果平均文件大小为4-5K，则最有可能出现问题。

如果搜索很重要且您无法合并文件，我建议关闭索引您拥有大量文件类型的内容。它应该稍微减小大小，同时仍然可以搜索文件的元数据。

我禁用了我的Windows搜索服务。我使用替代搜索应用程序。 “Everything”只有900 KB大小，用于额外的快速文件搜索，“FileSeek Pro”用于搜索文件内容。