索引文字列の抽出（形態素解析・N-gramなど）
検索対象の文書（HTML・プレーンテキスト・PDFなど）
転置インデックスの管理（DB・独自形式）
検索対象のページ数・総容量及び必要な記憶領域のサイズ
転置インデックスをどんな形式にするのか、探索アルゴリズムをどう実装するのか･･その辺も気になる。

まぁ仕様を決めて試算して、負荷掛けて一台でどのくらい耐えれそうかやってみないとねぇ･･
ていうかJavaとかPerl実装でオープンソースなやつもあるけど、その辺使うのか？