大数据量的查询词缓存

问题描述：
对简易搜索引擎的查询关键字建立缓存，将所有查询词都保存下来，并记录词频，当超过存储容量时，会根据词频替换掉词频小的查询词。数据量大，要用到磁盘存储。

初步思路：
对查询词进行分类，对每个类别的查询词进行排序，得到top-k个放入内存缓存。

分类：用hash，不过要自己重写hashcode函数

是否要用到归并排序？

索引？

如何存储？