Solr模式设计和性能

Question

我有一个包含三个实体的图书数据库：图书，页面和标题（在页面中找到的标题）。 我对模式设计中两种方法之间的性能感到困惑和担忧：

1-将书籍作为文档处理，即书籍字段，具有multiValue的页面字段和具有multiValue的书名字段。 通过这种方法，所有书籍数据都将在一个Solr文档中以非常大的字段表示。

2-将页面作为文档处理，这将导致较小的字段，但会导致大量的文档。

我试图查看此官方资源，但无法为我的问题找到明确的答案。

Answer 1

假设您要获取Solr结果并通过另一个应用程序显示，我将使用最小的项-标题-文档模型，这将使​​显示结果出现的位置更加容易。 这样做可以最大程度地减少您需要编写的应用程序代码量。 如果您的用户直接查询Solr，则我可以改用Page作为我的文档-大概您是在使用Solr的突出显示功能，然后帮助您的用户确定其搜索词的匹配方式。

对于标题文档，我将按以下方式对模式进行建模：

1. 图书ID +页码+标题[字符串-唯一键]
2. 图书ID [整数]
3. 图书名称[标记的文本字段]
4. 页码[TrieIntField]
5. 标题[标记的文本字段]
6. 该书/标题/页面组合的内容[标记的文本字段]

您可能还需要捕获其他属性，例如作者，发布日期，发布者，但是您在上面没有解释其他信息，因此我将其排除在本示例之外。

然后，文本查询可能涉及Book Name Title Book Name ，“ Title和“ Content ，您可能希望在其中定义一个已索引但未存储的字段，该字段用作schema.xml中<copyField/>声明的目标，以便于轻松搜索所有内容。三个同时。

对于索引，在不了解更多有关要索引的数据的情况下，我将使用ICU Tokenizer和Snowball Porter词干过滤器 ，并在文本字段上使用语言规范来处理非英语数据-假设所有书籍都使用同一语言。 如果是英语，则使用标准标记器而不是ICU。