Elasticsearch - 许多小文档与更少的大文档？

Question

我正在为我公司内部使用的一个编目系统创建按图像搜索系统（类似于 Google 的反向图像搜索）。我们已经成功地使用 Elasticsearch 来实现我们的常规搜索功能，所以我计划散列我们所有的图像，为它们创建一个单独的索引，并使用它进行搜索。系统中有很多物品，每个物品可能有多个与之关联的图像，并且该物品应该能够通过反向图像搜索其任何相关图像来找到。

我们想到了两种可能的模式：

为每张图片制作一个文档，只包含图片的哈希值和与之相关的商品ID。这将产生大约 7m 个文档，但它们会很小，因为它们只包含一个哈希和一个 ID。

为每个项目创建一个文档，并将与之关联的所有图像的哈希值存储在文档上的一个数组中。这将产生大约 10 万个文档，但每个文档都会相当大，有些项目有数百个与之关联的图像。

这些架构中哪一个会更高效？

Answer 1

在参加了 Alexander Reelsen 最近的 Under the Hood 演讲后，他可能会说“这取决于”和“对其进行基准测试”。

正如@Science_Fiction 已经暗示的那样：

1. 图像是否经常更新？这可能会带来负面的成本因素
2. OTOH，7m 文档的开销可能不应该被忽略，而在您的第二种情况下，它们只是字段中的 not_analyzed 术语。

如果 1. 是一个低因素，我可能会先从您的第二种方法开始。