我有两个非常大的solr表，每个记录大约有36,000,000条记录，在solr cloud v4.10上运行。
我正在尝试执行一个查询，它会在给定一些变量的情况下向我返回所有唯一/不同的值。
例如，尝试抓取国家/地区first_name内的所有唯一USA值。我的查询耗时超过90-150秒，这绝对不可用，我想知道我是否会出错。
我尝试过solr facets以及solr groupby，但这两种方法都很疯狂。我可以使用solr术语，但我还没有找到一种方法来使用另一个&fq的术语，所以我现在有两个选项：
使用构面搜索
/solr/a/select?q=country:USA&fq=year_born:[2015+TO+*]
&rows=0&facet=on&facet.limit=-1&facet.field=first_name&wt=json&indent=true
使用Groupby搜索
/solr/a/select?q=country:USA&fl=first_name&fq=year_born:[2015+TO+*]
&group=true&group.limit=1&group.field=first_name&rows=1000000&wt=json&indent=true
使用条款
我可以找回表格中存在的唯一first_name字段，但我无法说只显示美国中的first_names ，所以据我所知，术语不能用于我想要做的事情。
我正在尽我所能限制facet或groupby搜索中返回的记录数量，并将其设为年限（给我一年而不是25年）年，）但查询仍然太费力。
我是否错过了某些特定的solr函数，它正在做我正在尝试做的事情？我需要将所有结果返回给我 - 这就是踢球者 - 我不能将其限制在50或5000的结果，所以在一天结束时，我的输出看起来像这样：
john
bob
mike
tim
robert
dave
出现次数对我来说并不重要
答案 0 :(得分：1)
最糟糕的情况是，您的所有文件都有国家/地区：美国且所有名字都是唯一的。为了确保正确的结果，必须将来自每个节点的所有结果（意味着3600万）返回给调用者并在那里合并。在Solr 4.x中，这意味着构建潜在的巨大结构并发送它们。
在Solr 5.x中，您可以使用流式传输。它不会改变最坏情况，但是你可以避免内存开销，结果会在很短的时间内开始流入：https://cwiki.apache.org/confluence/display/solr/Streaming+Expressions
在Solr 5.3+中使用JSON Faceting，您可以非常有效地获得分片中唯一值的近似值，但它仍然是实验性的：http://yonik.com/solr-facet-functions/