Lucene / Solr如何在多场/分面搜索中实现高性能？

Question

上下文

这是一个主要关于Lucene（或可能是Solr）内部的问题。主题是分面搜索，其中搜索可以沿着对象的多个独立维度（方面）发生（例如，汽车的大小，速度，价格）。

当使用关系数据库实现时，对于大量方面，多字段索引没有用，因为可以按任何顺序搜索构面，因此使用特定有序多索引的可能性很小，并创建所有可能的排序指数是无法忍受的。

Solr被广告以应对分面搜索任务，如果我认为正确必须与Lucene（据称）在多字段查询（其中文档的字段与对象的构面相关）上表现良好。

问题

Lucene的反向索引可以存储在关系数据库中，并且使用单字段索引也可以通过RDBMS轻松实现匹配文档的交叉。

因此，Lucene应该有一些先进的多字段查询技术，而不仅仅是根据倒排索引获取匹配文档的交集。

所以问题是，这种技巧/技巧是什么？更广泛地说：为什么Lucene / Solr在理论上可以实现比RDBMS更好的分面搜索性能（如果是这样）？

注意：我的第一个猜测是，Lucene会使用一些空间分区方法将从文档字段构建的向量空间划分为维度，但据我所知，Lucene并非纯粹基于向量空间。

Answer 1

<强>车花

刻面有两个答案，因为刻面有两种类型。我不确定其中任何一个都比RDBMS快。

1. Enum faceting。查询结果是位向量，如果第i个文档是匹配，则第i位为1。 facet也是一个位向量，因此交集只是一个按位AND。我不认为这是一种新颖的方法，大多数RDBMS可能都支持它。

2. 字段缓存。这只是一个正常（非倒置）索引。这里运行的SQL样式查询如下：

   从field_cache中选择facet，count（*） 其中docId在query_results中 group by facet

同样，我不认为这是普通RDBMS无法做到的事情。索引是跳过列表，以docId为键。

多期搜索

这是Lucene闪耀的地方。为什么Lucene的方法如此之好太长而无法在此发布，但我可以推荐this post on Lucene Performance或其中的相关论文。

Answer 2

可以在http://yonik.wordpress.com/2008/11/25/solr-faceted-search-performance-improvements/

找到解释性帖子

  

新方法的工作原理是将索引字段取消反转，以便快速查找任何给定文档的字段中的术语。它实际上是一种混合方法 - 为了节省内存和提高速度，许多文档中出现的术语（超过5％）不是不反转的，而是使用传统的集合交叉逻辑来获取计数。