如何在Lucene中存儲多個不同類型的文檔

Question

我有一個擁有數百萬個文檔的現有Lucene存儲，每個文檔都代表一個實體的元數據。我有幾個Id字段（Id1，Id2 .. Id5），每個文檔可以具有零個或多個此字段的值。索引一次只能由其中一個Ids查詢。我已經獨立編制了這些領域的索引，這一切都很好。我最初選擇使用Lucene，因爲它是迄今爲止查詢如此大量小文檔的最快方式，我對我的決定感到滿意。

但是現在我必須存儲另一種類型的文檔，這些文檔也代表實體的不同類型的元數據，並且具有（Id1，Id2，Id5）的值，並且這些文檔還將分別由這些Ids中的一個查詢。現有的元數據和這組新數據將彼此獨立存儲和查詢。

如何通過Id查詢Lucene，但僅查詢一種類型的文檔。我可以考慮一些選項，但我想知道那些知道的人從經驗中推薦的內容，以便讓Lucene保持可管理性和快速性。

1. 使用單獨的Lucene索引。這將避免這個問題，因爲文檔類型是正交的。還有能夠分別讀取和寫入索引的好處。
2. 將新文檔的字段Id1..Idn重命名爲XId1 ... XIdn。這樣，一種類型的文檔就不會與另一種類型的文檔具有相同的字段名稱。這似乎更像是一種避免問題的解決方法，而不是實際的解決方案。
3. 添加一個數字字段「Type」並將索引號更改爲（Type，Idx）。這種方法看起來很浪費，因爲每個索引都必須包含該類型。

我能夠打破向後兼容性與我現有的設置。如果我添加其他文檔類型，如果解決方案可以重複使用，那將是非常好的。

Answer 1

由於type指數的選擇性低，我肯定會拒絕第三種選擇。在type字段中只有兩個不同的值，每個字段有數百萬個文檔。 Lucene需要將這個龐大的發佈列表與來自idN索引的簡短髮佈列表合併，該列表仍然可以非常快速，但確實很浪費。

前兩種方式在查詢階段是完全相同的，因爲您對獨立類型的文檔有不同的術語和發佈列表。差異將在索引階段。管理多個獨立索引需要更多的協調，並使代碼更加困難。然而，如果您有計劃在不同的環境下使用索引，那麼這可能是一個好主意。例如：

• 物理位置;
• 備份策略;
• 可用性要求;
• 時間對指數的需求（時間從一個文檔在客戶端改變，直到可見指數）

否則，我會第一個選擇，因爲更簡單，便於管理去。