如何在Lucene中存储多种不同类型的文档

Question

我有一个拥有数百万个文档的Lucene商店，每个文档代表一个实体的元数据。我有几个Id字段（Id1，Id2 .. Id5），每个文档可以有这个字段的零或多个值。索引只能由其中一个ID一次查询。我已经将这些字段独立编入索引，并且它们都运行良好。我最初选择使用Lucene，因为它是迄今为止查询大量小文档的最快方式，我很满意我的决定。

但是现在我必须存储另一种类型的文档，它也代表实体的不同类型的元数据，并具有（Id1，Id2 ... Id5）的值，并且还将分别由其中一个ID查询。现有元数据和这组新数据将相互独立地存储和查询。

如何通过Id查询Lucene，但仅查询一种类型的文档。我可以想到几个选项，但我想知道知识中的人会从经验中推荐什么才能让Lucene保持可管理和快速。

1. 使用单独的Lucene索引。这将避免该问题，因为文档类型是正交的。还有一个好处是能够分别从索引中读取和写入。
2. 将新文档的字段Id1..Idn重命名为XId1 ... XIdn。这样，一种类型的文档与另一种类型的文档不具有相同的字段名称。这似乎是一种避免问题的解决方法而不是实际解决方案。
3. 添加数字字段＆＃34;输入＆＃34;并将索引更改为（Type，Idx）。这种方法似乎很浪费，因为每个索引都必须包含类型。

我能够打破与现有设置的向后兼容性。如果我来添加另一种文档类型，可以重复使用该解决方案。

Answer 1

由于type索引的选择性低，我肯定会拒绝第三种选择。 type字段中只有2个不同的值，每个值包含数百万个文档。 Lucene需要将这个巨大的发布列表与来自idN索引的短发布列表合并，这仍然可以非常快，但确实很浪费。

在查询阶段，前两种方式实际上是相同的，因为您对独立类型的文档有不同的术语和发布列表。差异将在索引阶段。管理多个独立索引需要更多协调，使代码更难一点。但是，如果您计划在不同的环境中使用索引，那么这可能是一个好主意。例如：

• 物理位置;
• 备份策略;
• 可用性要求;
• 索引时间要求（从客户端更改文档到索引中可见的时间）

否则，我会选择第一个选项，因为它更简单易懂。