测试程序见 examples/benchmark.go
测试数据为从52个微博账号里抓取的十万条微博（请从这里下载，然后copy到testdata目录），通过benchmark.go中的-num_repeat_text参数（设为10）重复索引为一百万条，500M文本。测试环境Intel(R) Xeon(R) CPU E5-2650 v2 @ 2.60GHz 32核，128G内存。
改变测试程序中的NumShards变量可以改变数据单机裂分（sharding）的数目，裂分越多单请求的并发度越高延迟越小，但相应地每秒能处理的总请求数也会变少，比如：
- 1个shard时：每秒索引1.3M个索引项，响应时间1.65毫秒，吞吐量每秒19.3K次搜索
- 2个shard时：每秒索引1.8M个索引项，响应时间0.87毫秒，吞吐量每秒18.4K次搜索
- 4个shard时：每秒索引1.9M个索引项，响应时间0.56毫秒，吞吐量每秒14.3K次搜索
- 8个shard时：每秒索引2.0M个索引项，响应时间0.39毫秒，吞吐量每秒10.3K次搜索
这里的索引项是指一个不重复的“搜索键”-“文档”对，比如当一个文档中有N个不一样的搜索键时，该文档会产生N个索引项。
程序默认使用2个shard，你可以根据具体的需求在初始化引擎时改变这个值，见types.EngineInitOptions.NumShards
benchmark.go也可以帮助你找到引擎的CPU和内存瓶颈在哪里。
分析性能瓶颈：
go build benchmark.go
./benchmark -cpuprofile=cpu.prof
go tool pprof benchmark cpu.prof
进入pprof终端后输入web命令可以生成类似下面的图，清晰地表示了每个组件消耗的CPU时间
分析内存占用：
go build benchmark.go
./benchmark -memprofile=mem.prof
go tool pprof benchmark mem.prof
pprof的使用见这篇文章。