如何在Lucene中存储多个不同类型的文档

Question

我有一个拥有数百万个文档的现有Lucene存储，每个文档都代表一个实体的元数据。我有几个Id字段（Id1，Id2 .. Id5），每个文档可以具有零个或多个此字段的值。索引一次只能由其中一个Ids查询。我已经独立编制了这些领域的索引，这一切都很好。我最初选择使用Lucene，因为它是迄今为止查询如此大量小文档的最快方式，我对我的决定感到满意。

但是现在我必须存储另一种类型的文档，这些文档也代表实体的不同类型的元数据，并且具有（Id1，Id2，Id5）的值，并且这些文档还将分别由这些Ids中的一个查询。现有的元数据和这组新数据将彼此独立存储和查询。

如何通过Id查询Lucene，但仅查询一种类型的文档。我可以考虑一些选项，但我想知道那些知道的人从经验中推荐的内容，以便让Lucene保持可管理性和快速性。

1. 使用单独的Lucene索引。这将避免这个问题，因为文档类型是正交的。还有能够分别读取和写入索引的好处。
2. 将新文档的字段Id1..Idn重命名为XId1 ... XIdn。这样，一种类型的文档就不会与另一种类型的文档具有相同的字段名称。这似乎更像是一种避免问题的解决方法，而不是实际的解决方案。
3. 添加一个数字字段“Type”并将索引号更改为（Type，Idx）。这种方法看起来很浪费，因为每个索引都必须包含该类型。

我能够打破向后兼容性与我现有的设置。如果我添加其他文档类型，如果解决方案可以重复使用，那将是非常好的。

Answer 1

由于type指数的选择性低，我肯定会拒绝第三种选择。在type字段中只有两个不同的值，每个字段有数百万个文档。 Lucene需要将这个庞大的发布列表与来自idN索引的简短发布列表合并，该列表仍然可以非常快速，但确实很浪费。

前两种方式在查询阶段是完全相同的，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的协调，并使代码更加困难。然而，如果您有计划在不同的环境下使用索引，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;
• 时间对指数的需求（时间从一个文档在客户端改变，直到可见指数）

否则，我会第一个选择，因为更简单，便于管理去。