Elasticsearch - 许多小文档与较少的大型文档？

Question

我正在创建一个图像系统搜索（类似于谷歌的反向图像搜索），用于我公司内部使用的编目系统。我们已经成功使用Elasticsearch进行常规搜索功能，所以我是计划散列所有图像，为它们创建单独的索引，并使用它进行搜索。系统中有许多项目，每个项目可能有多个与之关联的图像，并且该项目应该能够通过反向图像搜索任何相关图像来查找。

我们想到了两种可能的架构：

为每个图像制作文档，仅包含图像的哈希值和与之相关的项目ID。这将导致大约约7百万个文档，但它们会很小，因为它们只包含一个哈希和一个ID。

为每个项目创建文档，并将与其关联的所有图像的哈希值存储在文档中的数组中。这将产生大约~10万个文档，但每个文档都相当大，有些项目有数百个图像与之关联。

这些架构中的哪一个会更高效？

Answer 1

参加了Alexander Reelsen最近的Under the Hood演讲，他可能会说＆＃34;它取决于＆＃34;并且＆＃34;对它进行基准测试＆＃34;。

正如@Science_Fiction已暗示：

1. 是经常更新的图片吗？这可能是一个负成本因素
2. OTOH，7m文档的开销可能不应该被忽略，而在第二种情况下，它们只是not_analyzed字段中的术语。

如果1.是低因素，我可能会先从你的第二种方法开始。