Indexing 如何为PDF/MS Word/Excel文件编制索引以进行全文搜索？

我们正在为机构建立实时搜索功能，索引基于用户上传的文件（主要是Word/Excel/PDF/PowerPoint和ASCII文件）。预计I/O速度仅为10 IOPS-20 IOPS，但可能会因日期而异。最大I/O可能为100 IOPS。当前的数据库大小已达到10GB，已经存在4个月了

对于实时搜索服务器，我正在考虑Solr/Lucene，可能还有ElasticSearch。但挑战在于如何快速索引这些文件，以便搜索服务器能够实时查询索引

我发现了一些关于如何索引.doc/.xls/.pdf的类似问题，但没有提到如何确保索引性能：

所以我的问题是：如何快速建立索引？

---

对建筑有什么建议吗？我应该专注于构建快速基础架构（即RAID、SSD、更多CPU、网络带宽？）还是专注于索引工具和算法？

我们正在构建一个高性能的office文档全文搜索。我们可以分享一些见解：

• 我们使用弹性搜索。很难使它在大文件上运行良好。我们为此写了几篇文章。
• 使用微服务体系结构和docker轻松扩展应用程序
• 不要将elasticsearch中的原始文件存储为二进制数据。单独存储，例如在MongoDB中

希望有帮助