我是否應該擔心優化大量Solr字段以及大量重複項？

Question

我發現了一種簡單的方法來搜索Solr中的關係數據，但我不確定是否應該進一步優化它。

讓我舉一個例子：說，我們有一個系統，用戶在個人收藏中組織書籍。一本書有一個流派，例如「戲劇」，「驚悚片」，「恐怖片」等。用戶收藏可以並且在大多數情況下包含來自不同流派的書籍。

如果我想創建一個搜索，用戶可以按照流派搜索集合，我想返回包含與流派查詢最相關的書籍的結果。我所做的只是一個簡單的竅門 - 我爲集合添加了一個名爲「流派」的搜索字段，它是該集合中所有書籍類型的連接字符串。該字符串字段在索引時創建。它很有意義，因爲如果一個集合包含30個「驚悚片」和20個「喜劇」書籍，在搜索「驚悚片」時，它會顯示爲比搜索「喜劇」更相關的結果。

然而，正如你所猜測的那樣，「流派」字段最終有很多重複的條款。由於它只能在幕後使用，並且不會顯示在任何地方，所以這不是一個數據完整性，而是一個優化問題恕我直言。

我對Solr特別陌生。我知道它是如何工作的，並且我假設在建立倒排索引時，每一項都與簡單的頻率計數相關聯。從技術上講，如果「流派」字段由100個術語或10000個術語組成，其中9500個是「顫慄」，那麼索引和查詢速度應該沒有多大關係，對吧？

如果我錯了，那麼是否存在一種語法，即使在輸入文本中也可以提供提升？再說了，如果不是10000點而言，「流派」字段看起來像：

「顫慄^ 8500喜劇^ 125戲劇^ 12」

Answer 1

，您應該使用的Solr的有效載荷功能，允許在文本提升的話。 例如檢查http://sujitpal.blogspot.ru/2011/01/payloads-with-solr.html

關於您的方法：如果stored, termPositions, termOffsets字段屬性設置爲false，所有將會很好。