如何在Lucene中存储多种不同类型的文档

Question

我有一个现有的Lucene商店，其中存储着数百万个文档，每个文档代表一个实体的元数据。我有几个Id字段（Id1，Id2 .... Id5），每个文档对此字段可以有零个或多个值。一次只能由这些ID之一查询该索引。我已经独立索引了这些字段，并且一切正常。我最初选择使用Lucene，因为它是迄今为止查询大量小文件的最快方法，我对自己的决定感到满意。

但是，现在我必须存储另一种类型的文档，该文档还代表实体的另一种元数据，并具有（Id1，Id2 .. Id5）的值，并且这些ID也将分别由其中一个查询。现有元数据和这组新数据将相互独立存储和查询。

如何仅通过一种类型的ID通过ID查询Lucene。我可以考虑一些选择，但是我想从经验中知道那些建议，以便使Lucene易于管理和快速进行。

1. 使用单独的Lucene索引。由于文档类型是正交的，因此可以避免该问题。能够分别从索引进行读取和写入还有一个好处。
2. 将新文档的Id1..Idn字段重命名为XId1 ... XIdn。这样，一种类型的文档将不会具有与另一种类型的文档相同的字段名称。与实际解决方案相比，这似乎更像是一种避免该问题的解决方法。
3. 添加一个数字字段“类型”，并将索引更改为（类型，Idx）。该方法似乎很浪费，因为每个索引也必须包含类型。

我可以打破与现有设置的向后兼容性。如果我要添加其他文档类型，那么可以重用该解决方案将是非常好的。

Answer 1

由于type索引的选择性低，我肯定会拒绝第三种选择。type字段中只有2个不同的值，每个值包含数百万个文档。Lucene将需要将这个庞大的发布列表与idN索引中的简短发布列表合并，这仍然可以非常快，但是确实很浪费。

前两种方式在查询阶段实际上是相同的，因为您对独立类型的文档具有不同的术语和过帐列表。区别在于索引阶段。管理几个独立的索引需要更多的协调，并使代码更加困难。但是，如果您计划在不同的上下文中使用索引，则可能是一个好主意。例如：

• 物理位置;
• 备份策略；
• 可用性要求；
• 索引时间要求（从文档更改到客户端可见直到索引可见的时间）

否则，我会选择更简单，更易于管理的第一个选项。