我有一个基于spaCy的NLP管道，该管道处理大型语料库，然后搜索特定单词（词组和词性的一部分）的匹配项，然后为每个匹配项记录详细的词法信息。得到的结果是一个Python字典，其结构如下（简化），其中w是匹配的标记，sent_id是找到该标记的句子/语料库的唯一哈希值：
this_match = {"tag": w.tag_,
"dep": w.dep_,
"parent": w.head_,
"children": [{"lemma": c.lemma_,
"tag": c.tag_}
for c in w.children if not c.is_punct]
"sent_id": sent_id}
这些较小的字典（每个字典代表一个单词所出现的语言环境）随后被添加到顶级词典，该词典以每个匹配标记w的词缀/ POS为键。该词典将用作词汇信息存储，用于计算有关单词语言特征的各种统计信息。
如您所见，我们的数据结构是一个简单的JSON，包含字典和文本字典数组。 我应该如何存储它以便进行后续分析？目前，我只需要一个纯粹的本地解决方案，但如果（如Elasticsearch，在下面的 2。），解决方案显然是可扩展的，然后甚至更好。这是我考虑过的一些选项：
只需将它们全部保存为JSON，并在每次处理统计信息时加载它们即可。
将它们加载到Elasticsearch索引中。 （数据点本身并不是文档，因此Elasticsearch似乎有些过分。）
使用其他更轻便，更简单的数据库格式（TinyDB？）。
戳到.pkl存档。 （太大）；不容易转移到其他开发人员/环境。）
过去，您使用什么来存储按词法索引的语言数据？这个用例是否有实用工具？以及如何确保我的数据存储可扩展？
这个问题比我通常想在Stackoverflow上问或见的问题更开放，但是我认为这对从事NLP的其他开发人员很有用，无论如何还是值得提出的。