我们有一个包含 86,315,770 个文档的 solr 实例。它使用多达 4GB 的内存，我们需要它来对称为内容的标记化字段进行分面。磁盘上的索引大小为 23GB。
为什么我们要在标记化字段上进行分面？因为我们要查询该字段中最常用的前“n”个术语。问题是执行此类查询花费的时间太长。像这样进行刻面时，有什么方法可以改善时间吗？有什么建议吗？
提前致谢。
【问题讨论】：
facet.limit吗？我注意到，如果未设置 facet.limit（在您的情况下，无论 n 可能是什么），即使有 100,000 多条记录，此类查询也可能需要很长时间。
标签： solr faceted-search
由于 Solr 在内存数据结构上计算构面，因此构面计算很可能受 CPU 限制。计算分面的代码已经高度优化（UnInvertedField 中的getCounts 方法用于多值字段）。
一个想法是并行计算。也许最简单的方法是按照Do multiple Solr shards on a single machine improve performance? 中的描述将您的集合拆分为多个分片。
否则，如果您的术语字典足够小并且查询可以采用有限数量的形式，您可以设置一个不同的系统来维护每个（术语，查询）对的计数矩阵。例如，如果您只允许术语查询，这意味着您应该维护每对术语的计数。请注意，这将需要大量磁盘空间，具体取决于术语和查询的总数。如果您不需要精确计数，也许最简单的方法是在批处理过程中计算这些计数。否则，保持计数与 Solr 同步可能（可能，但）有点棘手。
【讨论】：
您可以使用LukeRequestHandler 的topTerms 功能。
【讨论】：
numTerms 参数设置为您想要的任何 #，类似于我在上面的评论中解释的使用 facet.limit。但是，Luke 将为索引中的术语返回不同的#s，而不是普通的 faceting，因为 Luke 为索引中不再可搜索的文档（即那些已删除但尚未合并的文档）返回 topTerms。