Elasticsearch架构适用于同一文本的多个版本

Question

我正在开发一个从各种新闻网站下载文章并对文本执行各种NLP分析的系统。我想存储每篇文章的多个版本和方面，包括

• 原始HTML
• 清理纯文字版本

• CoreNLP文章的输出。

  由于我想在Elasticsearch上存储纯文本版本，我还考虑将其他所有内容存储在Elasticsearch上。我没有Elasticsearch的经验，所以我无法告诉他们存储这些内容的更好方法：

  1. 每篇文章都有一条记录，HTML，文本和CoreNLP输出作为该文章的属性：{html: '....', text: '....', CoreNLP: '....'}
  2. 将每种类型的信息存储在自己的类型中：/articles/html/1，/articles/text/1，/articles/corenlp/1等......

  哪一个更常见？还有第三种更好的选择吗？

Answer 1

取决于您想要在哪里进行COreNLP，html整理等等。如果您想在弹性中执行此操作，我会使用多字段类型：

https://www.elastic.co/guide/en/elasticsearch/reference/0.90/mapping-multi-field-type.html

如果你是在弹性之外做的，这不常见，因为这对弹性来说是一个很好的任务，你可以使用多场方法。