Solr模式設計和性能

Question

我有一個包含三個實體的圖書數據庫：圖書，頁面和標題（在頁面中找到的標題）。 我對模式設計中兩種方法之間的性能感到困惑和擔憂：

1-將書籍作為文檔處理，即書籍字段，具有multiValue的頁面字段和具有multiValue的書名字段。 通過這種方法，所有書籍數據都將在一個Solr文檔中以非常大的字段表示。

2-將頁面作為文檔處理，這將導致較小的字段，但會導致大量的文檔。

我試圖查看此官方資源，但無法為我的問題找到明確的答案。

Answer 1

假設您要獲取Solr結果並通過另一個應用程序顯示，我將使用最小的項-標題-文檔模型，這將使​​顯示結果出現的位置更加容易。 這樣做可以最大程度地減少您需要編寫的應用程序代碼量。 如果您的用戶直接查詢Solr，則我可以改用Page作為我的文檔-大概您是在使用Solr的突出顯示功能，然后幫助您的用戶確定其搜索詞的匹配方式。

對於標題文檔，我將按以下方式對模式進行建模：

1. 圖書ID +頁碼+標題[字符串-唯一鍵]
2. 圖書ID [整數]
3. 圖書名稱[標記的文本字段]
4. 頁碼[TrieIntField]
5. 標題[標記的文本字段]
6. 該書/標題/頁面組合的內容[標記的文本字段]

您可能還需要捕獲其他屬性，例如作者，發布日期，發布者，但是您在上面沒有解釋其他信息，因此我將其排除在本示例之外。

然后，文本查詢可能涉及Book Name Title Book Name ，“ Title和“ Content ，您可能希望在其中定義一個已索引但未存儲的字段，該字段用作schema.xml中<copyField/>聲明的目標，以便於輕松搜索所有內容。三個同時。

對於索引，在不了解更多有關要索引的數據的情況下，我將使用ICU Tokenizer和Snowball Porter詞干過濾器 ，並在文本字段上使用語言規范來處理非英語數據-假設所有書籍都使用同一語言。 如果是英語，則使用標准標記器而不是ICU。